数据挖掘题库_在线真题试卷与模拟练习_数据挖掘题库_考试宝

更新时间：试题数量：购买人数：提供作者：

有效期：个月

章节介绍：共有个章节

收藏

我的练习

我的错题
(0道)

我的收藏
(0道)

我的斩题
(0道)

我的笔记
(0道)

专项练习

顺序练习 0 / 0

随机练习 自定义设置练习量

题型乱序 按导入顺序练习

模拟考试 仿真模拟

题型练习 按题型分类练习

易错题 精选高频易错题

学习资料 考试学习相关信息

搜索

题库预览

数据库有4个事务，如表1所示。设minSup=60%，minConf=80%。 | | 日期 | 购买的物品 | | --- | --- | --- | | T100 | 99/10/15 | {F, A, D, B} | | T200 | 99/10/15 | {D, A, C, E, B} | | T300 | 99/10/19 | {C, A, B, E} | | T400 | 99/10/22 | {B, A, D} | （1）使用Apriori算法找出最大的频繁项集；（2）列出所有强关联规则（带支持度s和置信度c）。

我们使用Apriori算法找出所有频繁项集，最小支持度minSup=60%=60/100=0.6，总事务数为4，因此最小支持度计数为： $$min\_count = \lceil0.6\times4\rceil = \lceil2.4\rceil = 3$$ 即一个项集必须出现在至少3个事务中才被认为是频繁的。步骤1：生成候选1-项集C1，并计算支持度所有出现的物品：A,B,C,D,E,F 计算每个物品的支持度： - A：出现在T100,T200,T300,T400→支持度=4/4=1.0≥0.6→频繁 - B：出现在T100,T200,T300,T400→支持度=4/4=1.0≥0.6→频繁 - C：出现在T200,T300→支持度=2/4=0.5<0.6→不频繁 - D：出现在T100,T200,T400→支持度=3/4=0.75≥0.6→频繁 - E：出现在T200,T300→支持度=2/4=0.5<0.6→不频繁 - F：出现在T100→支持度=1/4=0.25<0.6→不频繁因此，频繁1-项集L1： $$L_1 = \{A, B, D\}$$ 步骤2：生成候选2-项集C2 从L1中生成所有组合： - {A, B} - {A, D} - {B, D} 计算每个2-项集的支持度： - {A, B}：出现在T100,T200,T300,T400→4次→支持度=4/4=1.0≥0.6→频繁 - {A, D}：出现在T100,T200,T400→3次→支持度=3/4=0.75≥0.6→频繁 - {B, D}：出现在T100,T200,T400→3次→支持度=3/4=0.75≥0.6→频繁因此，频繁2-项集L2： $$L_2 = \{\{A, B\}, \{A, D\}, \{B, D\}\}$$ 步骤3：生成候选3-项集C3 从L2中生成所有可能的3-项集： - {A, B, D}（由{A,B},{A,D},{B,D}组合生成）检查其子集是否都在L2中： - 子集{A,B}∈L2 - 子集{A,D}∈L2 - 子集{B,D}∈L2 因此可以生成候选{A, B, D} 计算其支持度： - {A, B, D}出现在哪些事务中？ T100:{F, A, D, B}→包含A,B,D→是 T200:{D, A, C, E, B}→包含A,B,D→是 T300:{C, A, B, E}→缺少D→否 T400:{B, A, D}→包含A,B,D→是 →出现3次→支持度=3/4=0.75≥0.6→频繁因此，频繁3-项集L3：此处可理解为{A, B, D}（与L1做区分） $$L_3 = \{\{A, B, D\}\}$$ 步骤4：生成候选4-项集C4 从L3中生成候选4-项集：需要至少4个元素，但当前只有3个元素，无法生成4-项集。因此，L4=∅ 结论：最大的频繁项集是L3={A, B, D} 列出所有强关联规则（支持度s和置信度c），要求minConf=80%=0.8 我们需要从频繁项集L1,L2,L3中生成所有可能的规则，并计算置信度。从L1开始：单个元素不能生成规则（规则需形如X→Y，X≠Y）从L2开始： L2={ {A,B}, {A,D}, {B,D} } 对每个2-项集，生成两个规则： 1. {A,B}→规则： - A→B - B→A 计算置信度： - A→B：conf=P(B|A)=support(A,B)/support(A)=(4/4)/(4/4)=1.0≥0.8→强规则（4/4指：A在项集数量出现的次数/项集数量，其余分数如此） - B→A：conf=P(A|B)=support(A,B)/support(B)=(4/4)/(4/4)=1.0≥0.8→强规则 2. {A,D}→规则： - A→D - D→A - A→D：conf=support(A,D)/support(A)=(3/4)/(4/4)=0.75<0.8→不满足 - D→A：conf=support(A,D)/support(D)=(3/4)/(3/4)=1.0≥0.8→强规则 3. {B,D}→规则： - B→D - D→B - B→D：conf=support(B,D)/support(B)=(3/4)/(4/4)=0.75<0.8→不满足 - D→B：conf=support(B,D)/support(D)=(3/4)/(3/4)=1.0≥0.8→强规则从L3开始： L3={ {A,B,D} } 生成所有非空真子集作为前件，其余作为后件： conf=support（L3比例）/support（前件比例） - 前件{A}，后件{B,D}→A→{B,D} - 前件{B}，后件{A,D}→B→{A,D} - 前件{D}，后件{A,B}→D→{A,B} - 前件{A,B}，后件{D}→{A,B}→D - 前件{A,D}，后件{B}→{A,D}→B - 前件{B,D}，后件{A}→{B,D}→A 非空真子集：假设有集合$$B = \{1, 2, 3\}$$： - {1}是B的非空真子集。 - 解释：{1}中的元素（1）也在B中；{1}$$\neq\{1, 2, 3\}$$（不相等）；且{1}非空。 - {1,2}是B的非空真子集。 - 解释：{1,2}中的元素（1和2）也在B中；{1,2}$$\neq\{1, 2, 3\}$$；且{1,2}非空。计算每个规则的置信度： 1. A→{B,D}： $$conf = support(\{A,B,D\}) / support(A) = (3/4) / (4/4) = 0.75 < 0.8$$ → 不满足 2. B→{A,D}： $$conf = support(\{A,B,D\}) / support(B) = (3/4) / (4/4) = 0.75 < 0.8$$ → 不满足 3. D→{A,B}： $$conf = support(\{A,B,D\}) / support(D) = (3/4) / (3/4) = 1.0 \geq 0.8$$ → 强规则 4. {A,B}→D： $$conf = support(\{A,B,D\}) / support(\{A,B\}) = (3/4) / (4/4) = 0.75 < 0.8$$ → 不满足 5. {A,D}→B： $$conf = support(\{A,B,D\}) / support(\{A,D\}) = (3/4) / (3/4) = 1.0 \geq 0.8$$ → 强规则 6. {B,D}→A： $$conf = support(\{A,B,D\}) / support(\{B,D\}) = (3/4) / (3/4) = 1.0 \geq 0.8$$ → 强规则总结所有强关联规则： 1. A→B (s=1.0, c=1.0) 2. B→A (s=1.0, c=1.0) 3. D→A (s=0.75, c=1.0) 4. D→B (s=0.75, c=1.0) 5. D→{A,B} (s=0.75, c=1.0) 6. {A,D}→B (s=0.75, c=1.0) 7. {B,D}→A (s=0.75, c=1.0)【缺少答案，请补充】

在目标识别中，假定有农田和装甲车两种类型，类型ω和类型ω分别代表农田和装甲车，它们的先验概率分别为0.3和0.7。现在做了三次试验，获得三个样本的类概率密度如表2所示，试用贝叶斯最小误判概率准则判决三个样本各属于哪一个类型。 | | | | --- | --- | | $$p(x|\omega_1)$$ | $$p(x|\omega_2)$$ | | 0.3 | 0.7 | | 0.1 | 0.8 | | 0.6 | 0.3 | 样本1： - $$p(x|\omega_1)=0.3\to0.3\times0.8=0.24$$ - $$p(x|\omega_2)=0.7\to0.7\times0.2=0.14$$ 因为$$0.24>0.14$$，所以样本1应判为$$\omega_1$$（农田）。样本2： - $$p(x|\omega_1)=0.1\to0.1\times0.8=0.08$$ - $$p(x|\omega_2)=0.8\to0.8\times0.2=0.16$$ 因为$$0.16>0.08$$，所以样本2应判为$$\omega_2$$（装甲车）。样本3： - $$p(x|\omega_1)=0.6\to0.6\times0.8=0.48$$ - $$p(x|\omega_2)=0.3\to0.3\times0.2=0.06$$ 因为$$0.48>0.06$$，所以样本3应判为$$\omega_1$$（农田）。

给定两个对象，分别表示为(22，1，42，10)，(20，0，36，8)。 (1) 计算两个对象之间的欧几里得距离； (2) 计算两个对象之间的曼哈顿距离； (3) 计算两个对象之间的明考斯基距离，指数r=3。

数据挖掘融合了多种技术，以下哪个技术通常不属于数据挖掘的核心技术？

数据挖掘过程模型用于系统化指导挖掘任务，以下哪个不是经典的数据挖掘过程模型？

以下哪个方法不属于常见的数据抽样方法？

哪个选项不属于集中量数。

包含某项集的事务数与总事务数的比值称为该项集的（）。

数据挖掘算法通常分为监督学习、无监督学习和强化学习三大类。下列哪个选项不属于这三大类之一？

哪个选项不属于分类预测方法？

下列哪些公式可以正确表示贝叶斯公式？

哪个选项不属于聚类算法？

下列哪个选项不属于簇间的相似性？

下列哪个特点不属于大数据TV's中的。

数据挖掘过程模型用于系统化指导挖掘任务，以下哪个不是经典的数据挖掘过程模型？

包含某项集的事务数与总事务数的比值称为该项集的（）。

利用Fk-1×Fk-1方法将{面包，尿布}，{面包，牛奶}合并成一个三项集的结果为（）。

数据挖掘算法通常分为监督学习、无监督学习和强化学习三大类。下列哪个选项不属于这三大类之一？

{牛奶，面包}就为（）-项集。

哪个选项属于聚类算法？

在二维空间中的（）距离就是平面中两点之间的实际距离。