数据挖掘考试精选题目：聚类与关联规则应用

数据挖掘是一门涉及从大量数据中提取有价值信息和知识的技术，通过各种数据分析方法来识别模式和趋势。本考试题集包含了数据挖掘中的基本概念和经典案例，旨在测试学生对数据挖掘基础理论的理解。 选择题部分： 1. 当面临无标签数据时，我们通常采用聚类（B）技术，目的是自动将数据分为相似的组，而无需事先知道每个数据点的具体类别。聚类有助于发现数据内在的结构和组织模式。 2. 在层次聚类中，全链（或称为单链和组平均方法的结合）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，这是一种凝聚层次聚类技术，它强调了簇内部的紧密度。 3. "啤酒与尿布试验"是关联规则分析（C）的一个著名案例，它揭示了顾客购买行为中的有趣关联，即同时购买啤酒和尿布的概率较高，这是通过查找频繁模式来实现的。 4. 关于K均值和DBSCAN的对比，不正确的说法是：均值可以发现不是明显分离的簇且能处理重叠，而DBSCAN不会合并有重叠的簇。DBSCAN确实可以处理非球形和不同大小的簇，而K均值对此要求更高。 5. Ward's Method对噪声点和离群点的敏感度较小，擅长球状簇，但选项A错误在于它可能对某些异常情况敏感。选项C提到的平方误差邻近度是正确的，但这与组平均法相似性不直接对应。 6. 层次聚类的问题中，全局优化目标函数、处理球状簇和不同大小簇的能力是正确的，但Max方法对噪声敏感是错误的，因为它可能导致过度细分。 7. 凝聚层次聚类的错误说法是算法具有全局优化目标函数，因为这通常是层次聚类的特点。空间复杂度为[pic]的信息不完整，无法判断，但通常空间复杂度与算法的数据依赖有关。 8. 规则{牛奶，尿布}→{啤酒}的支持度是基于项集中包含该规则的事务数量，置信度则是规则出现的频次除以包含前提的事务频率。具体数值需要根据表格中的数据计算得出。 10. 图表题未提供，但从问题描述看，凝聚聚类中簇间相似度使用MAX计算，第二步合并的簇应该是邻近度最高的两个，根据题目给出的数据，可能选择B，{3}和{4,5}合并，因为{3}与这两个簇的距离更接近。 填空题： 1. 属性包括的四种类型通常指定量属性（数值型）、定性属性（类别型）、顺序属性（有序的类别）和布尔属性（真/假）。 2. GroupAverage方法是凝聚层次聚类的一种，它定义两个簇的邻近度为不同簇所有点对邻近度的平均值。 这些题目涵盖了数据挖掘的基本概念、聚类方法、关联规则分析、层次聚类的优缺点以及不同类型属性的理解。通过解答这些问题，学生可以检验自己对数据挖掘技术核心原理的掌握程度。