大数据时代：数据挖掘技术与实践详解

该资源是一个关于大数据时代下数据挖掘的试题和答案集，涵盖了数据挖掘的基础知识，包括数据预处理、分类与预测、聚类、关联规则发现等多个方面。 1. 数据归约是数据挖掘中的一种重要技术，它的目的是减少数据的复杂性，缩小数据的取值范围，使得后续的数据挖掘算法能更高效地处理数据，同时不会改变原始数据的分析结果。 2. 关联规则发现是数据挖掘中的一个经典问题，如“啤酒与尿布”现象，指的是通过分析购买数据发现顾客购买啤酒的同时也经常购买尿布，这在零售业中常用于制定商品搭配策略。 3. 在评价分类算法性能时，Precision（精确率）是指被预测为正类的样本中实际为正类的比例，而Recall（召回率）是指所有实际正类样本中被正确预测的比例。选项(a)对应Recall，(b)对应Precision。 4. 数据预处理是数据挖掘流程中的关键步骤，包括数据集成、数据变换、维度规约和数值规约等，旨在提高数据质量，为后续的分析做好准备。 5. 聚类是一种无监督学习方法，当数据的标签未知时，可以用来将相似的数据分组在一起。 6. 预测建模是数据挖掘任务之一，通过建立模型，根据已知变量预测未知变量的值，例如时间序列预测、销售预测等。 7. 数据预处理的方法不包括估计遗漏值，因为估计遗漏值是数据清洗的一部分，旨在填充缺失的数据。 8. 等频（等深）划分是将数据分为相同大小的区间或箱，12个价格记录按等频划分成4个箱，每个箱3个元素，15会落在第二个箱内。 9. 数据属性类型包括标称、序数和区间，但不包括相异，相异通常用来描述数据之间的差异程度。 10. 非对称的二元属性是指仅当属性值为非零时才有意义，例如在性别属性中，男性为1，女性为0，这种属性是非对称的。 11. 抽样不属于特征选择的标准方法，常见的方法有嵌入、过滤和包装。 12. 特征修改不属于创建新属性的方法，特征提取、特征构造和映射数据到新的空间是常见的新属性创建手段。 13. 映射数据到新的空间的方法包括傅立叶变换，它将数据转换到频率域进行分析；而特征加权、渐进抽样和维规约则不是映射到新空间的方法。 这些题目和答案展示了数据挖掘的基本概念和技术，对于学习和理解大数据环境下的数据处理和分析具有指导意义。