数据挖掘考试题目关联分析

数据挖掘考试题目——关联分析一、10个选择1.以下属于关联分析的是（）A．CPU性能预测B．购物篮分析C．自动判断鸢尾花类别D．股票趋势建模2.维克托▪迈尔-舍恩伯格在《大数据时代：生活、工作与思维的大变革》一书中，持续强调了一个观点：大数据时代的到来，使我们无法人为地去发现数据中的奥妙，与此同时，我们更应该注重数据中的相关关系，而不是因果关系。其中，数据之间的相关关系可以通过以下哪个算法直接挖掘（）A．K-meansB．BayesNetworkC．C4.5D．Apriori3.置信度(confidence)是衡量兴趣度度量（）的指标。A．简洁性B．确定性C．实用性D．新颖性4.Apriori算法的加速过程依赖于以下哪个策略（）A．抽样B．剪枝C．缓冲D．并行5.以下哪个会降低Apriori算法的挖掘效率（）A．支持度阈值增大B．项数减少C．事务数减少D．减小硬盘读写速率6.Apriori算法使用到以下哪些东东（）A．格结构、有向无环图B．二叉树、哈希树C．格结构、哈希树D．多叉树、有向无环图7.非频繁模式（）A．其置信度小于阈值B．令人不感兴趣C．包含负模式和负相关模式D．对异常数据项敏感8.对频繁项集、频繁闭项集、极大频繁项集的关系描述正确的是（）[注：分别以1、2、3代表之]A．3可以还原出无损的1B．2可以还原出无损的1C．3与2是完全等价的D．2与1是完全等价的9.Hashtree在Apriori算法中所起的作用是（）A．存储数据B．查找C．加速查找D．剪枝10.以下不属于数据挖掘软件的是（）A．SPSSModelerB．WekaC．ApacheSparkD．Knime二、10个填空1.关联分析中表示关联关系的方法主要有：和。2.关联规则的评价度量主要有：和。3.关联规则挖掘的算法主要有：和。4.购物篮分析中，数据是以的形式呈现。5.一个项集满足最小支持度，我们称之为。6.一个关联规则同时满足最小支持度和最小置信度，我们称之为。7.在回归与相关分析中，因变量值随自变量值的增大（减小）而减小（增大）的现象叫做。8.极大频繁项集不能无损还原出频繁项集，是因为它不包含频繁项集的信息。9.经典的Apriori算法是逐层扫描的，也就是说它是(选:深度/宽度)优先的。10.数据挖掘大概步骤包括：输入数据预处理挖掘后处理输出知识。其中，输出的知识可以有很多种表示形式，两种极端的形式是：①内部结构难以被理解的黑匣子，比如说人工神经网络训练得出的网络；②模式结构清晰的匣子，这种结构容易被人理解，比如说决策树产生的树。那么，关联分析中输出的知识的表示形式主要是(选:黑匣子/清晰结构)。三、10个判断（）1.啤酒与尿布的故事是聚类分析的典型实例。（）2.Apriori算法是一种典型的关联规则挖掘算法。（）3.支持度是衡量关联规则重要性的一个指标。（）4.可信度是对关联规则的准确度的衡量。（）5.给定关联规则AB，意味着：若A发生，B也会发生。（）6.频繁闭项集可用来无损压缩频繁项集。（）7.关联规则可以用枚举的方法产生。（）8.Apriori算法产生的关联规则总是确定的。（）9.不满足给定评价度量的关联规则是无趣的。（）10.对于项集来说，置信度没有意义。四、5个简答1.简述关联规则产生的两个基本步骤。2.Apriori算法是从事务数据库中挖掘布尔关联规则的常用算法，该算法利用频繁项集性质的先验知识，从候选项集中找到频繁项集。请简述Apriori算法的基本原理。3.简述Apriori算法的优点和缺点。4.针对Apriori算法的缺点，可以做哪些方面的改进？5.强关联规则一定是有趣的吗？为什么？数据挖掘考试题目+参考答案一、10个选择1.以下属于关联分析的是（B）A．CPU性能预测B．购物篮分析C．自动判断鸢尾花类别D．股票趋势建模2.维克托▪迈尔-舍恩伯格在《大数据时代：生活、工作与思维的大变革》一书中，持续强调了一个观点：大数据时代的到来，使我们无法人为地去发现数据中的奥妙，与此同时，我们更应该注重数据中的相关关系，而不是因果关系。其中，数据之间的相关关系可以通过以下哪个算法直接挖掘（D）A．K-meansB．BayesNetworkC．C4.5D．Apriori3.置信度(confidence)是衡量兴趣度度量（B）的指标。A．简洁性B．确定性C．实用性D．新颖性4.Apriori算法的加速过程依赖于以下哪个策略（B）A．抽样B．剪枝C．缓冲D．并行5.以下哪个会降低Apriori算法的挖掘效率（D）A．支持度阈值增大B．项数减少C．事务数减少D．减小硬盘读写速率6.Apriori算法使用到以下哪些东东（C）A．格结构、有向无环图B．二叉树、哈希树C．格结构、哈希树D．多叉树、有向无环图7.非频繁模式（D）A．其置信度小于阈值B．令人不感兴趣C．包含负模式和负相关模式D．对异常数据项敏感8.对频繁项集、频繁闭项集、极大频繁项集的关系描述正确的是（B）[注：分别以1、2、3代表之]A．3可以还原出无损的1B．2可以还原出无损的1C．3与2是完全等价的D．2与1是完全等价的9.Hashtree在Apriori算法中所起的作用是（C）A．存储数据B．查找C．加速查找D．剪枝10.以下不属于数据挖掘软件的是（C）A．SPSSModelerB．WekaC．ApacheSparkD．Knime二、10个填空1.关联分析中表示关联关系的方法主要有：项集和关联规则。2.关联规则的评价度量主要有：支持度和置信度。3.关联规则挖掘的算法主要有：Apriori和FP-Growth。4.购物篮分析中，数据是以不对称二元变量的形式呈现。5.一个项集满足最小支持度，我们称之为频繁项集。6.一个关联规则同时满足最小支持度和最小置信度，我们称之为强规则。7.在回归与相关分析中，因变量值随自变量值的增大（减小）而减小（增大）的现象叫做负相关。8.极大频繁项集不能无损还原出频繁项集，是因为它不包含频繁项集的支持度信息。9.经典的Apriori算法是逐层扫描的，也就是说它是宽度(选:深度/宽度)优先的。10.数据挖掘大概步骤包括：输入数据预处理挖掘后处理输出知识。其中，输出的知识可以有很多种表示形式，两种极端的形式是：①内部结构难以被理解的黑匣子，比如说人工神经网络训练得出的网络；②模式结构清晰的匣子，这种结构容易被人理解，比如说决策树产生的树。那么，关联分析中输出的知识的表示形式主要是清晰结构(选:黑匣子/清晰结构)。三、10个判断（✘）1.啤酒与尿布的故事是聚类分析的典型实例。（✔）2.Apriori算法是一种典型的关联规则挖掘算法。（✔）3.支持度是衡量关联规则重要性的一个指标。（✔）4.可信度是对关联规则的准确度的衡量。（✘）5.给定关联规则AB，意味着：若A发生，B也会发生。（✔）6.频繁闭项集可用来无损压缩频繁项集。（✔）7.关联规则可以用枚举的方法产生。（✔）8.Apriori算法产生的关联规则总是确定的。（✘）9.不满足给定评价度量的关联规则是无趣的。（✔）10.对于项集来说，置信度没有意义。四、5个简答1.简述关联规则产生的两个基本步骤。答：关联规则产生的两个基本步骤为：①根据给定的支持度从项集中产生频繁项集；②根据给定的置信度从频繁项集中产生关联规则。2.Apriori算法是从事务数据库中挖掘布尔关联规则的常用算法，该算法利用频繁项集性质的先验知识，从候选项集中找到频繁项集。请简述Apriori算法的基本原理。答：关联规则的产生并不依赖于Apriori算法，Apriori算法用来加速规则的产生过程。Apriori算法的加速过程依赖于这样一个先验原理：“频繁项集的子集是频繁的”。3.简述Apriori算法的优点和缺点。答：Apriori算法的优点：结构简单、易于理解。Apriori算法的缺点：产生大量的候选项集，I/O开销较大。4.针对Apriori算法的缺点，可以做哪些方面的改进？答：Apriori算法的缺点主要是产生的候选项集较多，从而导致I/O开销较大。由此，可以将庞大的数据集划分为可以装进内存的数据块，利用“频繁项集至少在一个分区中是频繁的”原理合并各个数据块产生的频繁项集得到最终的频繁项集。5.强关联规则一定是有趣的吗？为什么？答：不一定。因为：规则的评价标准有很多，可以是客观的也可以是主观的。另外，强规则也可能是负相关的，即因变量值随自变量值的增大（减小）而减小（增大）的现象。