数据挖掘考题汇总

文章目录

  • 数据挖掘习题汇总
    • 一 数据挖掘概述
    • 二 认识数据
    • 三 数据预处理
    • 四 分类基础
    • 五 决策树与链接分析
    • 六 随机过程与抽样
    • 七 聚类基础
    • 八 高级聚类方法
    • 九 频繁模式挖掘基础
    • 十 频繁模式挖掘进阶和关联规则
    • 十二 群体智能挖掘
    • 十三 集成挖掘
    • 十四 复杂类型数据挖掘

数据挖掘习题汇总

一 数据挖掘概述

  • 数据与知识的区别与联系?
    • 数据: 指描述事物的符号记录, 它涉及到事物的存在形式, 是关于事物的一组离散且客观的事实描述。
    • 知识: 反映各种事物的信息进入人们大脑,对神经细胞产生作用后留下的痕迹
    • 联系和区别: 通过数据可以推导出知识, 比如我们可以通过一系列出售数据推导出这个商店是卖什么的(是否正确地运用知识对数据做出解释,以得到准确的信息)
  • 列举几项你知道的数据挖掘应用, 并论述数据挖掘在其中的作用?
    • 传感数据(卫星, 位传感器)
    • 天体/空间物理数据
    • 生物/化学数据(基因序列, 分子结构)
  • 数据挖掘方法过程是什么?
    • 挖掘前(数据清理, 变换, 归约, 采样, 统计, 预计算)
    • 关键方法:
      • 分类预测
      • 聚类分析
      • 孤立点分析
      • 趋势和演变分析
  • 数据挖掘与统计的区别与联系?
    • 有大量数据的地方就需要数据挖掘
    • 统计是初级阶段, 挖掘是进阶
    • 数据挖掘是多学科交叉, 统计学只是其中的一部分
  • 数据挖掘与数据管理的区别与联系?
    • 只有经过一定的数据管理过程才能让数据挖掘出来的信息更有价值?..

二 认识数据

  • 数据属性有哪些类别?不同类别的属性有哪些作用?
    • 标称属性: 就是用来描述一类事物的, 一般用来分类。
    • 二元属性: 就是0或者1
    • 序数属性: 就是属性之间有顺序的 如讲师, 副教授, 教授
    • 数值属性: 定量的, 分为区间标度属性和比例标度属性
    • ps. 标称, 二元, 序数是定性的, 数值是定量的
  • 如何对属性的区间标度变量和二元变量进行相似度度量?
    • 区间标度变量数据挖掘考题汇总_第1张图片
    • 相似度度量
  • 基本统计描述有哪些?
    • 总量描述
    • 中心趋势描述(均值, 中位数, 众数, 中列数)
    • 相对描述
    • 变异描述(指标变异越大, 平均数的代表性越小;指标变异越小, 平均数代表性越大)
  • 基本统计描述该如何使用?
    • 会算不等于会用
    • 首先理解各个指标代表的意义
    • 进行相关分析, 找到变量之间的关联关系
    • 进行回归分析, 通过一般关系推导数学模型, 通过已知变量推导未知变量
  • 为什么需要进行数据可视化?
    • 借助图形化的手段, 清晰有效的传达和沟通信息
  • 数据可视化的七个阶段是什么?
    • 获取
    • 分析
    • 过滤
    • 挖掘
    • 表达
    • 修饰
    • 交互
  • 数据可视化解决的重点问题是什么?
    • 数据来源
    • 数据结构
    • 关注信息
    • 分析处理
    • 视觉模型
    • 清晰易读
    • 操作控制

三 数据预处理

  • 数据预处理的作用?
    • 在数据进行处理前进行的一些操作
    • 现实世界中通常无法直接对原始数据进行挖掘或者结果差强人意, 为了提高数据挖掘质量我们需要进行数据预处理, 将数据处理成更加符合预期的数据。
  • 什么是ETL?ETL包括哪些步骤?
    • ETL是数据抽取(Extract)、清洗(Cleaning)、转换(Transform)、装载(Load)的过程。是构建数据仓库的重要一环,用户从数据源抽取出所需的数据,经过数据清洗,最终按照预先定义好的数据仓库模型,将数据加载到数据仓库中去。
  • 数据质量问题包含哪些?由什么原因导致?
    • 数据质量数据挖掘考题汇总_第2张图片
    • 数据质量原因数据挖掘考题汇总_第3张图片
      数据挖掘考题汇总_第4张图片
  • ETL的常见问题包含哪些?
    • 字符集问题
    • 缓慢变化维处理
    • 增量, 实时同步的处理
    • 错误数据的检测
    • 变化数据的捕获
    • 抽取异常中止的处理
  • 数据库和数据仓库的区别?
    数据挖掘考题汇总_第5张图片
  • NoSql数据模型有哪些?与SQL模型相比, 有什么区别和联系, 各有什么优劣?
    • 键值对模型如(redis, MemcacheDB等)
    • 文档模型(如 xml, json, mongoDB等)
    • 列族模型(如 hbase, amazon simpleDB等)
    • 图模型(如 neo4J)
    • SQL和No-SQL的关系区别
  • 常见的数据预处理方法有哪些?分别如何处理?
    • 数据清洗
    • 数据集成与变换
    • 数据归约
    • 离散化和概念分层
  • TF-IDF算法是什么, 有什么实际意义?
    • 算法过程数据挖掘考题汇总_第6张图片
    • 数学含义数据挖掘考题汇总_第7张图片

四 分类基础

  • 概念描述和OLAP的区别是什么?
    • OLAP联机分析处理,是数据仓库的核心,是对OLTP的历史数据进行加工,分析处理,用于处理商业智能,决策支持等重要的决策信息
  • 概念描述方法有哪些?
    • 数据泛化
    • 解析特征
    • 挖掘类比较
  • 什么是分类, 什么是有指导/无指导学习?
    • 分类就是将样本按照不同特征分为不同类别
    • 有指导学习: 模型的学习在被告知每个训练样本属于哪个类的指导下进行
    • 无指导学习: 模型不知道训练样本属于哪个类, 聚类是典型的无指导学习
  • 什么是决定性现象, 什么是不确定现象?
    • 决定性现象: 就是不是0就是1的现象, 如水到100度必然沸腾, 筛子不可能到8点
    • 不确定现象: 在基本条件保持不变的情况下, 一系列的实验会得到不同的结果。
  • 什么是随机试验, 样本空间, 样本点, 随机事件, 复合事件, 必然事件, 不可能事件?
    数据挖掘考题汇总_第8张图片
    数据挖掘考题汇总_第9张图片
  • 事件间的关系有哪些?
    • 事件间关系
  • 概率与频率的区别与联系?
    • 在试验次数足够多的情况下, 频率趋近于概率
  • 概率有哪些基本性质?
    • 基本性质
  • 什么是古典概率?
  • 什么是条件概率?条件概率有哪些性质?
    • 数据挖掘考题汇总_第10张图片
  • 什么是乘法定理?
    数据挖掘考题汇总_第11张图片
  • 条件概率与无条件概率有什么关系?
    数据挖掘考题汇总_第12张图片
  • 条件概率与积事件概率有什么关系?
    数据挖掘考题汇总_第13张图片
  • 什么是全概率公式?
    数据挖掘考题汇总_第14张图片
  • 什么是贝叶斯公式, 贝叶斯公式有什么作用, 有哪些局限性?
    数据挖掘考题汇总_第15张图片
    数据挖掘考题汇总_第16张图片
  • 什么是朴素贝叶斯分类?
    • 就是贝叶斯中特征都是独立存在的?
      数据挖掘考题汇总_第17张图片
  • 什么是贝叶斯网络? 贝叶斯网络和朴素贝叶斯有什么区别和联系?
    数据挖掘考题汇总_第18张图片
    • 区别和联系
      数据挖掘考题汇总_第19张图片

五 决策树与链接分析

  • 什么是决策树?
    数据挖掘考题汇总_第20张图片
  • 决策树有什么用?
    数据挖掘考题汇总_第21张图片
  • 决策树生成方法有哪些?各有什么特点?
    • 决策树生成方法
      数据挖掘考题汇总_第22张图片
  • 如何对决策树进行剪枝?
    • 前期修剪
    • 后期修剪
  • 为什么要进行规则提取?如何进行规则提取?
    • 很多规则有可能冗余?
  • 决策树的进一步策略有哪些?
    • 纯度计算
    • 错误率计算
    • 多属性组合分类
  • 什么是图?
    • 对象(节点) 及 对象间关系(边)的一种直观展示
      数据挖掘考题汇总_第23张图片
  • 如何计算图的最短路径?
    • 图的几种最短路径算法
  • Pagerank, 漏斗模型, 关键路径, 矩阵分析有哪些作用?
    • pagerank: 就是根据不同网页间链接的出度入度数量 判断网页权重
    • 漏斗模型: 自顶而下, 逐层反应各个流程的数量和比例便于分析流失原因和转化率
    • 关键路径: 顶点表示事件, 弧表示活动, 弧上权值表示活动持续时间, 用来预估工程时间(关键路径算法)
    • 矩阵分析: 表示两个因素之间的关联关系?

六 随机过程与抽样

  • 什么是马尔科夫模型?什么是转移概率?什么是C-K方程?
  • 什么是HMM, HMM的三大问题是什么?
  • HMM三大问题的求解算法是什么?
  • 什么叫抽样?抽样都有哪些?如何抽样?

七 聚类基础

  • 什么是聚类?
    数据挖掘考题汇总_第24张图片
  • 聚类有什么用?
  • 聚类和分类有什么区别和联系?
  • 划分聚类的算法思想, 过程, 优点, 缺点和可拓展点有哪些?
    数据挖掘考题汇总_第25张图片
    数据挖掘考题汇总_第26张图片
  • 点与点, 点与类, 类与类的距离计算方法有哪些?
    数据挖掘考题汇总_第27张图片
    数据挖掘考题汇总_第28张图片
  • 聚类评估典型任务有哪些, 思想分别是什么, 有哪些典型的计算方法?

八 高级聚类方法

  • 密度聚类的核心概念 算法思想 过程 优点 缺点?
  • 网格聚类的核心概念 算法思想 过程 优点 缺点?
  • 图聚类的核心概念 算法思想 过程 优点 缺点?
  • 什么是离群点?
  • 离群点检测有什么意义?
  • 离群点检测方法有哪些?

九 频繁模式挖掘基础

  • 什么是频繁模式?
  • 频繁模式相关基本概念有哪些?
  • 支持度和置信度的计算和作用?
  • 什么是关联规则?
  • 频繁模式挖掘有哪些作用?
  • Apriori方法的思想 过程 优点 缺点是什么 改进方法有哪些?
  • 什么是频繁图?
  • 如何挖掘频繁图?

十 频繁模式挖掘进阶和关联规则

  • 如何进行频繁序列挖掘?
  • 如何生成关联规则?
  • FP-Tree方法是什么 如何挖掘FP-Tree?
  • 什么是多层关联规则?
  • 为什么进行模式评估?
  • 如何判断相关性 如何计算兴趣度?

十二 群体智能挖掘

  • 遗传学算法的生物学基础/算法思想/基本过程?
  • 蚁群算法的生物学基础/算法思想/基本过程?
  • 人工蜂群算法的生物学基础/算法思想/基本过程?
  • 人工神经网络算法的生物学基础/算法思想/基本过程?

十三 集成挖掘

  • bagging和boosting机制分别是什么, 有什么异同点?
  • Bandit策略是什么?
  • 随机森林算法基本思路是什么?
  • GBDT算法基本思路?
  • adaboost算法基本思路?

十四 复杂类型数据挖掘

  • 什么是模糊集, 模糊计算有什么性质?
  • 如何进行模糊统计?
  • 什么是模糊矩阵, 模糊矩阵如何运算?
  • 如何进行模糊聚类, 如何进行模糊分类?
  • 空间数据和序列数据有什么特点?
  • 空间挖掘与序列挖掘与普通挖掘方法有什么区别和联系?
  • 序列有哪些种, 判别方法有哪些?
  • 什么是GMM, GMM求解算法是什么?

你可能感兴趣的:(机器学习)