2006年浙大数据挖掘期末考试精华概述：名词解释与关键概念

数据挖掘考试题目涵盖了数据挖掘的基本概念、理论与实践应用的多个方面。以下是各部分的主要知识点概述： 一、名词解释 1. 数据挖掘：数据挖掘是一种从大量数据中自动发现有价值模式、趋势和关系的过程，通常用于预测、分类、聚类和关联规则等任务，目的是帮助企业做出更明智的决策。 2. 过度拟合：过度拟合是指模型在训练数据上表现得非常好，但在新数据或未见过的数据上表现较差的现象，这是因为模型过于复杂，过度适应了训练数据的噪声。 3. 过抽样：过抽样是一种数据增强技术，通过复制少数类样本来平衡数据集中各类别的数量，防止模型偏向多数类别，提高模型在少数类别的识别能力。 4. 辛普森差异系数（基尼系数）：这是一个衡量分类变量类别间不均衡性的指标，常用于评估聚类结果的多样性或公平性，基尼系数越低表示类别的均匀分布，反之则表示集中。 5. 数据仓库：一个为企业提供集成、历史、易于访问的数据存储系统，用于支持决策分析，包括事务数据的抽取、转换和加载（ETL），以及数据仓库的设计和维护。 二、填空题 1. 数据挖掘的三大支柱是数据预处理、模式识别和数据可视化。 2. 互动循环过程包括理解业务问题、数据收集与准备、建模和评估、以及监控与反馈。 3. 预测模型的成功应用假定包括独立且同分布的随机误差、线性关系（或可近似线性）以及可观测到的误差项。 4. 数据仓库的优点包括提高决策效率、支持多维度分析和易于更新历史数据。挑战在于数据集成和一致性管理。 5. 数据仓库设计的核心挑战是数据架构设计，即如何设计一个能够支持高效查询和分析的数据组织结构。 6. 使用无监督数据挖掘方法需要对数据有某种先验知识或假设，因为没有目标变量指导。 7. 时间序列数据处理中，可以使用滑动窗口或滞后处理方法确保输入数据早于输出结果。 8. 分段输入组合模型和模型分段组合模型的区别在于前者可能在输入阶段就进行分段处理，后者可能在模型构建后按段应用。 三、单项选择题 1. 模型的评估效果主要看在测试集上的表现，以确保模型泛化能力。 2. 行为身份、所有权身份和决策身份都是客户可能的身份，但学习身份不属于这一范畴。 3. 企业实施数据挖掘不一定需要数据仓库，但数据仓库有助于数据分析；聘请外部专家是可能的选择，但不是唯一途径；购买现成模型需考虑其适用性。 4. 数据挖掘算法通常以列或记录形式组织数据。 5. 建模数据集应包含尽可能多的相关数据，而非越多越好，得分集数据不是建模集的一部分。 6. K—均值类别侦测需要数值型数据。 7. 决策树的增益对应累计增益图上相对应的线段斜率，斜率代表特征的重要性。 8. 企业优化每个客户价值的关键是实现客户最优化，通过个性化服务和策略提升客户满意度和忠诚度。 这是一份针对数据挖掘与客户管理考试的试卷，考察了理论概念、实践应用及数据处理技巧等多个层面的知识。