数据挖掘基础试题与关键概念解析

本资料是针对数据挖掘课程的一份习题库，包含了选择题和判断题，适用于期末复习。内容涵盖了数据挖掘的基础概念、主要任务、评价标准以及预处理方法等多个方面。 1. 数据挖掘中的关联规则发现是指在大量数据中找出有趣的物品组合，如题目中提到的啤酒与尿布的关联，这属于A.关联规则发现。 2. 分类算法的评价标准通常包括Precision（精确率）和Recall（召回率）。(a)描述的是Precision，即预测为正类的样本中实际为正类的比例；(b)描述的是Recall，即所有实际正类中被正确预测的比例。答案是A. Precision, Recall。 3. 数据预处理是数据挖掘的重要步骤，包括数据集成、变换、维度规约和数值规约等，对应选项C.数据预处理。 4. 当未知数据标签时，可以使用B.聚类技术，将具有相似特征的数据分到同一类别中。 5. KDD，全称为Knowledge Discovery in Databases，即数据挖掘与知识发现，选项A是正确答案。 6. 使用交互式和可视化技术对数据进行探索属于A.探索性数据分析，用于揭示数据潜在结构和模式。 7. 建立模型来描述数据的总体分布，如多维空间划分，属于B.建模描述，旨在理解数据的内在规律。 8. 预测建模是根据已知变量预测其他变量的任务，C.预测建模是正确答案。 9. 用户寻找数据集中与感兴趣模式相似的模式，这属于A.根据内容检索，旨在找到与给定模式匹配的数据项。 10. 计算数据的近似中位数，需要知道数据的分布情况。给定的频率区间可用于估算，但题目未提供具体数据，无法直接计算。 11. 数据预处理方法不包括D.估计遗漏值，而通常包括变量代换、离散化和聚集等操作。 12. 等频划分是将数据均匀分配到各个箱中，15在第二个箱子内，对应选项B。 13. 等宽划分时，每个箱子宽度为50，15位于第一个箱子，对应选项A。 这些题目覆盖了数据挖掘的基本概念，如关联规则、分类评价、预处理技术以及数据分布的描述等，对于理解和掌握数据挖掘的核心概念具有重要作用。学生可以通过解答这些题目，加深对数据挖掘理论和实践的理解，为期末考试做好准备。