本答案对应课程为:点我自动跳转查看
本课程起止时间为:2020-02-24到2020-06-20
本篇答案更新状态:已完结

第一周 第1章 导论&第2章 数据挖掘简介 第一周 基本概念小测

1、 问题:银行系统每天都要处理大量的存取款业务，这属于
选项：
A:OLAP
B:OLTP
C:数据挖掘
D:数据仓库
答案: 【OLTP】

2、 问题:数据仓库的数据具有4个基本特征，以下错误的是（）
选项：
A:面向主题的
B:集成的
C:不可更新的
D:不随时间变化的
答案: 【不随时间变化的】

3、 问题:数据仓库的数据是从数据库提取的，数据库更新时，数据仓库同步更新。
选项：
A:正确
B:错误
答案: 【错误】

4、 问题:“找出所有按时归还贷款的客户的特征”这个问题属于数据挖掘范畴。
选项：
A:正确
B:错误
答案: 【正确】

5、 问题:“找出所有按时归还贷款的客户的信息”这个问题属于数据挖掘范畴。
选项：
A:正确
B:错误
答案: 【错误】

第2周 第3章 数据挖掘的主要方法 第二周小测

1、 问题:以下叙述中( ) 是正确的
选项：
A:分类和聚类都是有指导的学习
B:分类和聚类都是无指导的学习
C:分类是无指导的学习，聚类是有指导的学习
D:分类是有指导的学习，聚类是无指导的学习
答案: 【分类是有指导的学习，聚类是无指导的学习】

2、 问题:决策树算法是一种（）数据挖掘算法
选项：
A:关联分析
B:分类
C:回归
D:聚类
答案: 【分类 】

3、 问题:K-平均值算法是一种（）数据挖掘算法
选项：
A:关联分析
B:分类
C:预测
D:聚类
答案: 【聚类】

4、 问题:若{b}、{a,c}、{a,b,c}的计数分别为5、4、3，则关联规则a and c→b的置信度是（）
选项：
A:4/5
B:3/5
C:3/4
D:以上都不对
答案: 【3/4】

5、 问题:计算图中的优度值，结果是（ ）（请精确到2位小数）
答案: 【0.19】

第3周 第4章 数据仓库 第3周小测

1、 问题:下列属于数据仓库特点的是（）
选项：
A:面向操作人员，支持日常操作
B:一次处理的数据量小
C:重复性的、可预测的处理
D:综合性和提炼性数据
答案: 【综合性和提炼性数据】

2、 问题:基本数据的元数据是指（）
选项：
A:基本元数据包括与数据源、数据仓库、数据集市和应用程序等结构相关的信息
B:基本元数据包括与企业相关的管理方面的数据和信息
C:基本元数据包括日志文件和建立执行处理的时序调度信息
D:基本元数据包括关于装载和更新处理分析处理以及管理方面的信息
答案: 【基本元数据包括与数据源、数据仓库、数据集市和应用程序等结构相关的信息】

3、 问题:以下关于操作型数据和分析型数据的基本特点的叙述中错误的是（）
选项：
A:操作型数据是细节的，而分析型数据是综合的
B:操作型数据是面向分析的，而分析型数据是面向具体应用的
C:操作型数据是事务驱动的，而分析型数据是分析驱动的
D:操作型数据是可更新的，而分析型数据是不可更新的
答案: 【操作型数据是面向分析的，而分析型数据是面向具体应用的】

4、 问题:以下关于数据仓库与操作型数据库的叙述中错误的是（）
选项：
A:数据仓库是面向主题的，而操作型数据库是面向应用的
B:数据仓库中保存当前数据，而操作型数据库中保存历史数据
C:数据仓库是支持决策分析的.而操作型数据库是支持事务处理的
D:数据仓库中数据常冗余，而操作型数据库中数据非冗余
答案: 【数据仓库中保存当前数据，而操作型数据库中保存历史数据】

5、 问题:在数据预处理中将错误的不一致的数据予以更正或删除以免影响挖掘结果的正确性，这一过程称为（）
选项：
A:数据提取
B:数据加载
C:数据清理
D: 数据转换
答案: 【数据清理】

6、 问题:在数据预处理中，将多个数据源整合到一个一致的数据存储（如数据仓库）中，这一过程称为（）
选项：
A:数据提取
B:数据集成
C:数据清理
D:数据加载
答案: 【数据集成】

7、 问题:数据仓库的模式中，最基本的是（）
选项：
A:星型模型
B:雪花模型
C:星网模型
D:以上都不对
答案: 【星型模型】

【作业】第4周 数据挖掘实战（1） 决策树算法应用上机实践

1、 问题:基于课上的数据源（AdventureWorksDW2012），解决下面问题：1．（30分）根据课上创建的“Bike Buyer”决策树，回答问题：（1）决定购买自行车的最重要的三个属性是什么？（2）分别找出购买和不购买自行车的概率最高的两个节点（4个级别的树）（3）给出该决策树的准确度，并预测prospectivebuyer表中的人的bike buyer 倾向。（截图即可）2．（30分）在上面的数据源上自己再新建一个决策树，这次的预测属性是houseownerflag(是否拥有住房)，回答问题：（1）拥有住房（houseownerflag=1）的人的特征。（2）决定是否拥有住房的主要因素有哪些？（3）给出模型的准确度。3. （选做 这次的输出属性是数值类型）在上面的数据源上自己再新建一个决策树，这次的预测属性是yearlyincome(年收入)，回答问题：（1）观察预测属性是连续属性和分类属性的决策树有什么不同？（2）影响收入的主要因素有哪些？（3）预测vtargetmail表中顾客的年收入。并给出预测收入最高的5位顾客的信息。
评分规则: 【 第1题共3个小题，每题10分；答案不唯一，因为每人在建模时选择的属性可能不同，结果会有差异；答案和模型的截图能对应上即可得分‍
第2题共3个小题，每题10分；答案也不唯一，同样是因为每人在建模时选择的属性可能不同，结果会有差异；答案和模型的截图能对应上即可得分
】

【作业】第5周 数据挖掘实战（2） 关联规则上机实践

1、 问题:基于课上的数据源（AdventureWorksDW2012）和数据源视图，解决下面问题： 找出一个大小为3的项集，在“规则”中寻找包含它的规则，它们的概率和重要度是多少，含义是什么？ 预测购买了【HL Road Tire】的顾客，最可能购买的3种商品；并通过依赖关系网络验证结果。假设一个顾客前来购买商品，已有购买A商品的意向，你应该如何向他继续推销商品?可根据该模型的具体情况，举例说明。（选做）依赖关系网络中，有双向预测节点吗？它们表示的含义是什么？（选做）根据挖掘结果，你为商场提供一些建议。（选做）寻找【ML Mountain Tire】，【Mountain Tire Tube】 两个商品形成的规则和重要性，并通过数据库SQL语句验证结论。（需要在数据库中通过查询语句得到相应的计数，注意创建模型时，测试数据设为０，否则验证数据不一致）
评分规则: 【 每个小题２０分，答题依据请截图，模型正确，数据一致即可得分
】

第6周 数据挖掘实战（3） 第6周小测

1、 问题:朴素贝叶斯算法是一种（ ）数据挖掘算法
选项：
A:关联分析
B:分类
C:预测
D:聚类
答案: 【分类】

2、 问题:朴素贝叶斯算法是基于（ ）假设的
选项：
A:使用的描述属性是相关的
B:使用的描述属性是独立的
C:描述属性和类别属性是相关的
D:以上都不对
答案: 【使用的描述属性是独立的】

本门课程剩余章节答案为付费内容
本文章不含期末不含主观题！！
本文章不含期末不含主观题！！
支付后可长期查看
有疑问请添加客服QQ 2356025045反馈
如遇卡顿看不了请换个浏览器即可打开
请看清楚了再购买哦，电子资源购买后不支持退款哦
点我支付 ¥5
  已支付？输入手机号或商家订单号阅读

   

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注