超市销售数据分析：数据挖掘知识挑战

本资源是一份关于数据挖掘的试题集，包含了多项选择题，涵盖了数据挖掘的基本概念、任务类型、预处理方法以及数据属性类型等内容。 1. 啤酒与尿布的问题属于数据挖掘中的关联规则发现。关联规则发现旨在找出数据库中不同项目之间的有趣关系，例如购买某种商品的顾客可能也会购买另一种商品。 2. 描述警察抓小偷的标准对应的是Precision（查准率），描述有多少比例的小偷被抓住的标准对应的是Recall（查全率）。Precision衡量的是预测为正类的样本中实际为正类的比例，而Recall则表示所有实际正类中被预测正确的比例。 3. 数据预处理是数据挖掘流程中的重要步骤，包括集成、变换、维度规约和数值规约等，用于准备原始数据以供后续分析。 4. 当数据标签未知时，可以使用聚类技术将具有相似特征的数据分到同一类别中。 5. KDD（Knowledge Discovery in Databases）是指数据挖掘与知识发现，它涉及从数据中提取出有价值的信息和知识的过程。 6. 使用交互式和可视化技术对数据进行探索属于探索性数据分析，这是数据挖掘的初步阶段，用于了解数据的特性。 7. 建模描述的任务是创建模型以描述数据的结构或行为，如总体分布建模。 8. 预测建模是通过已知变量预测其他变量值的任务，例如时间序列预测或回归分析。 9. 用户希望找到数据集中与感兴趣模式相似的模式，这属于根据内容检索的任务。 10. 数据预处理方法包括变量代换、离散化和聚集，但不包括估计遗漏值，估计遗漏值是数据清洗的一部分，目的是填充缺失值。 11. 等频（等深）划分是将数据等分为固定数量的区间，15位于第二个箱子内。 12. 等宽划分是按固定宽度将数据分箱，15在宽度为50的第一个箱子里。 13. 数据属性类型包括标称（名义）、序数（有序）和区间（定量连续），但不包括相异，相异通常用于描述数据的唯一性而非属性类型。 14. 定量属性类型指的是数值型数据，包括标称和序数是定性属性，区间则是定量属性。 这些试题涵盖了数据挖掘的关键概念，对于理解数据挖掘的基本原理和应用非常有帮助。通过解答这些问题，学习者可以深化对关联规则、分类算法评价标准、数据预处理、聚类、建模和预测等核心概念的理解。