数据挖掘考试题目——关联分析.doc

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-means B．Bayes Network
C．C4.5 D．Apriori
3.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1 B．2可以还原出无损的1
C．3与2是完全等价的 D．2与1是完全等价的
9.Hash tree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．SPSS Modeler B．Weka
C．Apache Spark D．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à预处理à挖掘à后处理à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AàB，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-means B．Bayes Network
C．C4.5 D．Apriori
3.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1 B．2可以还原出无损的1
C．3与2是完全等价的 D．2与1是完全等价的
9.Hash tree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．SPSS Modeler B．Weka
C．Apache Spark D．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à预处理à挖掘à后处理à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AàB，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。