数据挖掘考试题.doc 本资源是一个数据挖掘考试题,涵盖了数据挖掘的多个方面,包括分类、聚类、关联规则分析、层次聚类等。下面是对每个问题的详细解释和知识点总结: 1. 当不知道数据所带标签时,可以使用哪种技术促使带同类标签的数据与带其他标签的数据相分离? 答案:B. 聚类 知识点:聚类(Clustering)是一种无监督学习技术,用于将相似数据点分组成簇,以便识别数据中的模式和结构。在不知道数据所带标签时,聚类可以帮助发现数据中的隐含结构。 2. 将两个簇的邻近度定义为不同簇的所有点对邻近度的平均值,它是一种凝聚层次聚类技术。 答案:C. 组平均 知识点:组平均(Group Average)是一种凝聚层次聚类算法,它将两个簇的邻近度定义为不同簇的所有点对邻近度的平均值。这种算法可以处理球状的簇,但不适合处理非球形的簇。 3. 数据挖掘的经典案例“啤酒与尿布试验”最主要是应用了哪种数据挖掘方法? 答案:C. 关联规则分析 知识点:啤酒与尿布试验是一个经典的关联规则分析案例,它展示了如何通过关联规则分析发现隐藏的模式和关系。关联规则分析是一种数据挖掘技术,用于发现数据中的关联关系。 4. 关于K均值和DBSCAN的比较,以下说法不正确的是? 答案:D. K均值可以发现不是明显分离的簇,即便簇有重叠也可以发现,但是DBSCAN会合并有重叠的簇 知识点:K均值(K-Means)是一种基于原型的聚类算法,DBSCAN是一种基于密度的聚类算法。K均值可以处理球形的簇,但不适合处理非球形的簇。DBSCAN可以处理不同大小和不同形状的簇,但可能会合并有重叠的簇。 5. 下列关于Ward’s Method说法错误的是: 答案:D. 当两个点之间的邻近度取它们之间距离的平方时,Ward方法与组平均非常相似 知识点:Ward’s Method是一种凝聚层次聚类算法,用于将两个簇合并时计算平方误差。Ward’s Method擅长处理球状的簇,但对噪声点和离群点敏感度较小。 6. 下列关于层次聚类存在的问题说法正确的是: 答案:C. 可以处理不同大小簇的能力 知识点:层次聚类可以处理不同大小的簇,但可能存在全局优化目标函数的问题。 7. 下列关于凝聚层次聚类的说法中,说法错误的事: 答案:D. 具有全局优化目标函数 知识点:凝聚层次聚类是一种层次聚类算法,用于将簇合并以形成层次结构。这种算法不具有全局优化目标函数。 8. 规则{牛奶,尿布}→{啤酒}的支持度和置信度分别为: 答案:C. 0.4,0.67 知识点:关联规则分析可以发现数据中的关联关系,支持度和置信度是衡量关联规则强度的两个重要指标。 9. 下列()是属于分裂层次聚类的方法。 答案:A. Min 知识点:Min是一种分裂层次聚类算法,用于将簇分裂成更小的簇。 10. 对下图数据进行凝聚聚类操作,簇间相似度使用MAX计算,第二步是哪两个簇合并: 答案:B. {3}和{4,5} 知识点:凝聚聚类是一种层次聚类算法,用于将簇合并以形成层次结构。MAX计算可以用于计算簇间相似度。
![](https://csdnimg.cn/release/download_crawler_static/87222622/bg1.jpg)
下载后可阅读完整内容,剩余8页未读,立即下载
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![](https://profile-avatar.csdnimg.cn/default.jpg!1)
- 粉丝: 2643
- 资源: 8万+
我的内容管理 展开
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![](https://csdnimg.cn/release/wenkucmsfe/public/img/voice.245cc511.png)
最新资源
- 解决Eclipse配置与导入Java工程常见问题
- 真空发生器:工作原理与抽吸性能分析
- 爱立信RBS6201开站流程详解
- 电脑开机声音解析:故障诊断指南
- JAVA实现贪吃蛇游戏
- 模糊神经网络实现与自学习能力探索
- PID型模糊神经网络控制器设计与学习算法
- 模糊神经网络在自适应PID控制器中的应用
- C++实现的学生成绩管理系统设计
- 802.1D STP 实现与优化:二层交换机中的生成树协议
- 解决Windows无法完成SD卡格式化的九种方法
- 软件测试方法:Beta与Alpha测试详解
- 软件测试周期详解:从需求分析到维护测试
- CMMI模型详解:软件企业能力提升的关键
- 移动Web开发框架选择:jQueryMobile、jQTouch、SenchaTouch对比
- Java程序设计试题与复习指南
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035111.png)
![](https://csdnimg.cn/release/wenkucmsfe/public/img/green-success.6a4acb44.png)