数据挖掘考试题目及答案.docxVIP

数据挖掘考试题目及答案

一、单项选择题（每题2分，共20分）

1.以下哪项不属于数据预处理的主要任务？

A.数据清洗

B.数据集成

C.关联规则挖掘

D.数据归约

2.在关联规则挖掘中，若规则“面包→牛奶”的支持度为15%，置信度为80%，则以下解释正确的是？

A.15%的购物篮同时包含面包和牛奶，其中80%的购物篮在购买面包后会购买牛奶

B.80%的购物篮同时包含面包和牛奶，其中15%的购物篮在购买面包后会购买牛奶

C.15%的购物篮包含面包，其中80%的购物篮也包含牛奶

D.80%的购物篮包含面包，其中15%的购物篮也包含牛奶

3.以下哪种算法属于无监督学习？

A.逻辑回归

B.决策树

C.K-means聚类

D.随机森林

4.在分类任务中，若模型对训练数据拟合效果很好，但对新数据预测效果差，可能出现了？

A.欠拟合

B.过拟合

C.高偏差

D.低方差

5.关于K近邻（KNN）算法，以下描述错误的是？

A.无需显式的训练过程

B.对噪声不敏感

C.计算复杂度随数据量增加而升高

D.K值选择会影响分类效果

6.以下哪项是衡量聚类效果的内部评估指标？

A.准确率

B.轮廓系数

C.F1分数

D.ROC曲线

7.在决策树构建中，信息增益主要用于？

A.选择最优划分属性

B.剪枝

C.处理缺失值

D.确定树的深度

8.以下哪种方法可用于处理数据中的类别不平衡问题？

A.主成分分析（PCA）

B.过采样（SMOTE）

C.标准化

D.离散化

9.在关联规则中，若最小支持度设为20%，最小置信度设为70%，则以下规则中需要保留的是？

A.支持度18%，置信度75%

B.支持度22%，置信度65%

C.支持度25%，置信度80%

D.支持度15%，置信度85%

10.以下哪项不属于降维技术？

A.线性判别分析（LDA）

B.奇异值分解（SVD）

C.支持向量机（SVM）

D.t-分布随机邻域嵌入（t-SNE）

二、填空题（每题2分，共20分）

1.数据清洗的主要任务包括处理__________、__________和不一致数据。

2.关联规则的支持度计算公式为__________，置信度计算公式为__________。

3.K-means算法的目标函数是最小化所有样本点到其所属簇中心的__________之和。

4.决策树中，基尼指数衡量的是数据的__________，其值越小，数据的纯度__________。

5.分类任务中，精确率（Precision）的计算公式是__________，召回率（Recall）的计算公式是__________。

6.主成分分析（PCA）的核心思想是通过__________变换，将高维数据投影到__________的低维空间中。

7.聚类算法中，DBSCAN的全称是__________，其核心参数是__________和最小样本数。

8.在集成学习中，随机森林通过__________和__________两种方式实现基模型的多样性。

9.时间序列数据挖掘的常见任务包括__________、__________和异常检测。

10.衡量分类模型性能的混淆矩阵中，真阳性（TP）表示__________，假阳性（FP）表示__________。

三、简答题（每题8分，共40分）

1.简述数据预处理的主要步骤及其作用。

2.对比支持向量机（SVM）和逻辑回归在分类任务中的异同。

3.说明K-means聚类算法的基本流程，并指出其主要缺点。

4.解释关联规则挖掘中“兴趣度”的概念，并列举两种常用的兴趣度度量指标。

5.什么是过拟合？在决策树中可通过哪些方法缓解过拟合？

四、算法分析题（10分）

假设某电商平台收集了10万条用户购物数据，每条数据包含用户年龄（0-100）、月消费金额（0-5000元）、购物频率（1-30次/月）、是否为会员（是/否）四个特征，目标是预测用户下个月是否会流失（是/否）。请设计一个基于随机森林的分类模型构建流程，要求包括数据预处理、特征工程、模型训练、评估指标选择及结果分析的关键步骤。

五、综合应用题（10分）

某银行希望通过客户交易数据挖掘高风险贷款用户。已知数据包含以下字段：年龄、职业、月收入（元）、已有贷款金额（元）、历史逾期次数（次）、当前负债率（%）、是否有房产（是/否）。请设计一个完