第一章 绪论
1、填空题
（1）从技术层面上看，数据挖掘是（ ）。从商业层面看，数据挖掘是（ ）。
（2）数据挖掘所得到的信息具有（ ）、有效和实用三个特征。
答：先前未知。
2、数据挖掘在生活场景中的应用
3、区分数据挖掘和查询
数据挖掘和传统数据分析方法（如：查询、报表、联机应用分析等）有本质区别。数据挖掘是没有明确前提下去挖掘信息和 发现知识。
例：
在一句话中找出人名是数据挖掘，在表格中找出人民是查询
第二章 数据处理基础
1、填空题
（1）数据是（ ），属性分为（ ）。
答：数据对象及其属性的集合；标称和序数属性、区间和比率属性。
2、计算题
（1）计算相似度量
老师给的范围：
距离度量（曼哈顿、欧式）：
相似系数（余弦相似度）：
二值属性的相似性（简单匹配相似度关系数 d、s）
Jaccard系数：
例题1：
答：
例题2：
答：
（2）数据统计特征计算
记公式：
算术平均数
加权算术均值
截断均值：丢弃高端和低端（p/2）%的数据，再算均值。
中位数
四分位数
中列数：（max+min）/2
众数
答：
3、问答题
（1）为什么要数据预处理？列出三种常用的预处理技术？
答:数据预处理的目的：提供干净、简洁、准确的数据，提高挖掘效率和准确性。
预处理技术：数据清理、数据集成、数据变换、数据归约、数据离散化。
①数据清理：数据是不完整的、有噪声的、不一致的（填充缺失值、去除噪声并识别离散点、纠正数据中的不一致值）
②数据集成（聚合）：对数据进行聚合，将两个或多个数据源的数据，存放在一个一致的数据存储设备中。
③数据变换：将数据转换成适合于挖掘的形式。（平滑、聚集、数据泛化、规范化、数据离散化）
④数据归约：包含抽样、特征选择。
4、噪声数据的平滑方法
（1）分箱：
第一步：数据被分为n个等深箱
第二步：使用平均值或者边界平滑
箱越深、宽度越大，平滑效果越好。
5、数据变换
A、规范化
规范化是将原来的度量值转换为无量纲的值。（按比例缩放，映射到一个新的值域中）
（1）最小-最大规范化（转化为【0,1】范围内）
（2）z-score规范化（概率论的标准化）
（3）小数定标规范化（转化为”零点几×10的n次方“的格式）
B、特征构造
从原始特征船舰新的特征集。
C、数据离散化
利用分类值标记替换连续属性的数值。分为监督和非监督离散化。
无监督离散方法：（1）等宽（2）等频（3）基于聚类分析。
有监督离散方法：（1）基于熵：自顶向下
6、数据归约
A、抽样
压缩行数
有三种抽样方法。有放回、无放回、分层（p36）
B、特征选择
压缩列数
理想的特征子集：每个有价值的非目标特征应与目标特征强相关，而非目标特征之间不相关或者弱相关。
第三章 分类与回归
1、填空题
（1）评估分类模型准确率的方法包括：（ ）、（ ）和随机子抽样的方法。
答：保持方法、k-折交叉验证。
2、判断题
（1）回归预测输出的是连续取值（ ）
（2）KNN分类方法需要事先建模。（ ）
答：×
KNN是消极学习方法，不用事先建模。基本步骤：
1 算距离。给定测试对象，计算它与训练集中每个对象的距离；
2 找邻居。圈定距离最近的 k 个训练对象，作为测试对象的近邻。
3 做分类。 根据这k个近邻归属的主要类别，来对测试对象分类。
（3）AdaBoost 算法是一种将多个分类器聚集在一起来提高分类准确率的算法。（ ）
答：√
到此这篇【数据挖掘】期末复习（样卷题目+少量知识点）_数据挖掘 题库的文章就介绍到这了,更多相关内容请继续浏览下面的相关推荐文章，希望大家都能在编程的领域有一番成就！版权声明：
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若内容造成侵权、违法违规、事实不符，请将相关资料发送至xkadmin@xkablog.com进行投诉反馈，一经查实，立即处理！
转载请注明出处，原文链接：https://www.xkablog.com/kjbd-sjwj/5498.html