大数据时代下的数据挖掘试题和答案及解析.pdf

在大数据时代，数据挖掘已经成为一项至关重要的技能，它涉及到从海量数据中发现有价值的信息和知识。以下是基于提供的文件内容整理出的一些关键知识点： 1. **数据归约**：数据归约是数据预处理的一个步骤，其目的是减小数据集的规模，同时保持数据分析的结果不变。这有助于提高数据挖掘算法的效率。 2. **关联规则发现**：这是数据挖掘中的一种问题类型，例如超市销售数据中发现买啤酒的人很可能也会购买尿布，这种现象就属于关联规则。 3. **Precision（精确率）和Recall（召回率）**：精确率描述的是预测为正类的样本中实际为正类的比例，而召回率则是指所有实际正类中被正确预测的比例。在评估分类算法性能时，两者都是重要的指标。 4. **数据预处理**：数据预处理包括数据集成、变换、维度规约和数值规约等步骤，是为了使原始数据更适合进行后续的数据挖掘工作。 5. **聚类**：当未知数据标签时，可以使用聚类技术将相似数据分组，以揭示数据的内在结构。 6. **预测建模**：建立模型以根据已知变量预测其他变量的值，属于预测建模任务，如销售预测或天气预报。 7. **数据预处理方法**：包括变量代换、离散化、聚集等，但不包括估计遗漏值，因为估计遗漏值是数据清洗的一部分。 8. **等频（等深）划分**：在等频划分中，数据被平均分配到各个箱子里。在给定的例子中，15会位于第二个箱子内。 9. **数据属性类型**：属性类型包括标称、区间和序数，但相异不是一种属性类型。 10. **非对称的二元属性**：这种属性指的是只有非零值（即1）才有意义，例如存在某种关系的标志。 11. **特征选择方法**：特征选择的标准方法包括嵌入、包装和过滤，而抽样不属于这一范畴。 12. **创建新属性**：特征提取、映射数据到新空间和特征构造是常见的方法，特征修改不属于这个类别。 13. **映射数据到新空间**：傅立叶变换是一种将数据转换到不同表示的方法。 14. **最大最小规范化**：此方法将属性值映射到0至1的范围内，73600元映射后的值为（73600 - 98000） / （98000 - 12000） = 0.694。 15. **众数**：众数是一组数据中出现次数最多的值，在年级属性中，一年级人数最多，所以众数是一年级。 16. **可视化时间空间数据技术**：等高线图、曲面图和矢量场图可用于时间空间数据，而饼图通常用于展示部分与整体的关系，不适合时间空间数据。 17. **渐进抽样**：在样本容量难以确定时，渐进抽样是一种有效的抽样方法，随着数据的积累逐步进行抽样。 18. **数据仓库的时间变化**：数据仓库随时间增加新的数据内容，但不会删除旧数据，而是不断更新综合数据。 19. **数据粒度**：粒度决定了数据的详细程度，越详细粒度越小，反之越大；粒度的划分直接影响数据仓库的性能和查询质量。 20. **数据仓库开发特点**：数据仓库开发需要从需求出发，是一个启发式的过程，且数据分析灵活，没有固定模式。 21. **OLAP特性**：OLAP（在线分析处理）具有快速性、可分析性、多维性和信息性，并且是共享的。 22. **OLAP与OLTP的区别**：OLAP侧重于分析大量不同数据，而OLTP涉及大量简单事务处理，两者目标和操作模式不同。 以上知识点涵盖了数据挖掘的基础概念、预处理、评估、聚类、预测建模、数据属性、特征选择、数据可视化、数据仓库和OLAP等多个方面，这些都是大数据时代IT专业人员必备的知识。