数据挖掘考试题目 - 简答题

数据挖掘考试题目——简答题

（1） 什么是数据挖掘？什么是知识发现？

答：数据挖掘是在大型数据存储库中，自动地发现有用的信息的过程。

知识发现是将未加工的数据转换为有用信息的整个过程。

（2） 数据挖掘要解决的问题包括哪五项？

答：可伸缩、高维性、异种数据和复杂数据、数据的所有权与分布、非传统的分析。

（3） 数据的属性分别包括哪几种类型？分别可执行什么操作？ 答：

标称(nomial)相异性 =和≠ 序数(ordinal) 序 <、≤、>、≥ 区间(interval) 加法 +、- 比率(ratio) 乘法 ×、÷

（4） 数据中遗漏值的处理策略包括哪几种？

答：1、删除数据对象或属性，如遗漏数据对象很少 2、估计遗漏值，如插值或最近邻法

3、在分析时忽略遗漏值，如忽略属性计算相似度

（5） 数据预处理的工作可以包括哪两类？ 答：1、选择分析所需要的数据对象和属性

2、创建或改变属性

（6） 聚集的目的是什么？ 答：1、数据约减 2、改变尺度

3、提高数据的稳定性

（7） 有效抽样的定义是什么？

答：1、如果样本是有代表性的，则使用样本与使用整个数据集的效果几乎一样

2、样本具有足够的代表性的前提是它近似地具有与原数据集相同的感兴趣的性质

（8） 维归约的目的是什么？ 答：1、避免维灾难

2、减少数据挖掘算法的时间与空间开销 3、便于模型的理解与数据的可视化

4、删除无关特征并降低噪声

（9） 特征子集的选择方法中，除了基于领域知识和穷举法，还包括三种方法？请列举并

简要说明

答：1、嵌入法：特征子集选择算法作为数据挖掘算法的一部分自然存在

2、过滤法：使用某种独立于数据挖掘任务的方法，在数据挖掘算法运行前进 行 特征选择

3、包装法：将目标数据挖掘算法作为黑盒，使用类似理想算法的方法，但并 不枚举所有可能

（10） 当满足什么性质时，距离可以称为度量？

答：1、非负性，d(p, q) >=0 ，当且仅当p = q时d(p, q) = 0 2、对称性，d(p, q) = d(q, p)

3、三角不等式：d(p, r) <=d(p, q) + d(q, r) 同时满足以上三个性质的距离称为度量。

（11） 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。

（12） 简述构造FP树时第一步通常必须要做什么，为什么？

答：第一步就是扫描一次数据集，确定每个项的支持度计数。丢弃非频繁项，而将频繁项按照支持度递减排序。这样做的目的是最大限度的压缩数据，要不树就会比较茂盛，则达不到计算优化的目的。

（13） 簇评估的主要任务是什么。 答 ：① 确定数据集的聚类趋势。

② 确定正确的簇个数。

③ 不引用附加的信息，评估聚类分析结果对数据的拟合情况。 ④ 将聚类分析结果与已知的客观结果比较。 ⑤ 比较两个簇集，确定哪个更好。

（14） 写出K均值算法的优缺点。 答：优点：（1）可以用于各种数据类型 （2）有效

缺点：（1）不能处理非球形簇、不同尺寸和不同密度的簇

（2）离群点的数据进行聚类时，K均值也存在一定问题

（3）K均值仅限于具有中心（质心）概念的数据