本文将给大家介绍30个热门数据挖掘面试问题答案。这些问题在数据科学访谈中经常被问到。此外，这个热门面试问题数据挖掘答案包含的问题的答案，以帮助您破解数据科学家工作的面试。（大家可以关注我的微信公众号，里面有的大量大数据，Python，java面试学习资料。
微信搜索：大数据技术工程师）
大数据技术工程师
30顶级数据挖掘面试问题答案
Q1。数据挖掘的基础是什么？
通常，我们将其用于长期的研究和产品开发过程。此外，我们可以说这种演变是在业务数据首次存储在计算机上时开始的。我们还可以实时浏览他们的数据。数据挖掘在商业社区也很受欢迎。现在已经成熟的三种技术支持这种技术：大规模数据收集，强大的多处理器计算机和数据挖掘算法。
Q.2。什么是数据挖掘范围？
a。趋势和行为的自动预测 - 我们使用自动化在大型数据库中查找预测信息的过程。此外，现在可以从数据中回答需要大量实际操作分析的问题。此外，有针对性的营销是预测营销的典型例子。我们还在过去的促销邮件中使用数据挖掘。
b, 自动发现以前未知的模式 - 我们使用数据挖掘工具来扫描数据库。此外，还可以在一个步骤中识别以前隐藏的模式。基本上，有一个非常好的模式发现示例。因为它是零售数据的分析。此外，这是为了识别经常一起购买的不相关产品。
Q.3数据挖掘有哪些优点？
基本上，为了找到可能的违约者，我们在银行和金融机构中使用数据挖掘。此外，这是基于过去的事务，用户行为和数据模式完成的。
通常，它可以帮助广告商将正确的广告推向互联网。此外，它基于机器学习算法在网页上冲浪。此外，通过这种方式，数据挖掘既有利于买家，也有利于各种产品的销售者。
基本上，零售商场和杂货店的人们都使用它。此外，它是安排和保持大多数可销售物品在最关注的位置。
Q.4。什么是数据挖掘的缺点？
安全性：用户在线用于各种用途的时间必须很重要。他们没有安全系统来保护我们。一些数据挖掘分析使用软件。这很难操作。因此他们需要用户进行基于知识的培训。数据挖掘技术不是100％准确。因此，它可能在某些条件下造成严重后果。
Q.5名称数据挖掘技术？
a,分类分析
b,关联规则学习
C。异常或异常检测
d。聚类分析
e, 回归分析
F。预测
G。顺序模式
H。决策树
Q.6。简要介绍一下数据挖掘过程？
基本上，数据挖掘是最新技术。此外，它是通过分析大量数据来发现隐藏的有价值知识的过程。此外。我们必须将这些数据存储在不同的数据库中。数据挖掘是一个非常重要的过程。它成为各种行业的优势。
Q.7。数据挖掘的名称类型？
a。数据清理
b,积分
C。选择
d。数据转换
e数据挖掘
F。模式评估
G。知识表示
Q.8。列出数据挖掘中使用的步骤？
a。业务理解
b, 数据理解
C。数据准备
d。造型
e, 评估
F。部署
Q.9。列出数据挖掘的应用领域？
a。金融数据挖掘应用程序
b, 卫生保健
C。情报
d。电信
e, 能源
F。零售
G。电子商务
H。超级市场
I。犯罪团伙
J, 企业受益于数据挖掘
Q.10。数据挖掘需要哪些技术驱动因素？
数据库大小：基本上，对于维护和处理大量数据，我们需要强大的系统。
查询复杂性：通常，要分析复杂和大量的查询，我们需要一个更强大的系统。
数据挖掘面试问题新生儿答案 - 问题1,2,3,4,5,7,8,9
数据挖掘面试问题经验答案 - 问题6,10
Q.11。介绍数据挖掘查询语言？
它由Han，Fu，Wang等人提出。用于DBMiner数据挖掘系统。虽然它是基于结构化查询语言。这些查询语言旨在支持临时和交互式数据挖掘。此外，它还提供用于指定基元的命令。我们也可以使用DMQL来处理数据库和数据仓库。我们还可以使用它来定义数据挖掘任务。特别是我们研究了如何在DMQL中定义数据仓库和数据集市。
Q.12。什么是任务相关数据规范的语法？
用于指定任务相关数据的DMQL语法 -
使用database database_name
要么
使用数据仓库data_warehouse_name
与att_or_dim_list相关
from relation（s）/ cube（s）[where condition]
按order_list排序
group by grouping_list
Q.13。什么是指定知识类型的语法？
表征，歧视，关联，分类和预测的语法。
Q.14。解释兴趣度量规范的语法？
用户可以使用语句指定兴趣度量和阈值 - 使用 threshold = threshold_value
Q.15。解释模式表示和可视化规范的语法？
通常，我们有一种语法，允许用户以一种或多种形式指定已发现模式的显示。显示为
Q.16。解释数据挖掘语言标准化？
这将用于以下目的 -
基本上，它有助于系统开发数据挖掘解决方案。
此外，还提高了多个数据挖掘系统和功能之间的互操作性。
一般来说，它有助于促进教育和快速学习。
此外，促进数据挖掘系统在工业和社会中的使用。
Q.17。解释有用的数据挖掘查询？
首先，它有助于将模型应用于新数据，进行单个或多个预测。
此外，您可以将输入值作为参数提供，也可以批量提供。
同时，它获得了用于培训的数据的统计摘要。此外，提取表示模型中模式的典型案例的模式和规则。
此外，还有助于提取回归公式和解释模式的其他计算。
获取适合特定模式的案例。
此外，它还检索有关模型中使用的各个案例的详细信息。
此外，它还包括分析中未使用的数据。此外，它通过添加新数据或执行交叉预测来重新训练模型。
Q.18。简要介绍数据挖掘知识发现？
通常，大多数人不会将数据挖掘与知识发现区分开来。而其他人则将数据挖掘视为知识发现过程中的重要一步。
Q.19。解释数据挖掘知识过程中涉及的步骤？
数据清理 -
基本上，在该步骤中，去除了噪声和不一致的数据。
数据集成 -
此外，在该步骤中，组合多个数据源。
数据选择 -
此外，在该步骤中，从数据库中检索与分析任务相关的数据。
数据转换 -
基本上，在此步骤中，数据被转换为适合挖掘的形式。此外，通过执行汇总或聚合操作。
数据挖掘 -
在此，应用智能方法以提取数据模式。
模式评估 -
而在此步骤中，将评估数据模式。
知识介绍 -
通常，在该步骤中，表示知识
Q.20。数据挖掘有哪些问题？
任何严肃的数据挖掘包都需要解决许多问题
不确定性处理
处理缺失值
处理噪声数据
算法的效率
限制发现的知识只有用
纳入领域知识
数据的大小和复杂性
数据选择
可理解的发现知识：数据与发现的知识之间的一致性。
数据挖掘面试问题新生答案 - 问题11,16,17,18,19
数据挖掘面试问题经验答案 - 问题12,13,14,15,20
问题21。数据挖掘的主要元素是什么，解释一下？
通常，有助于提取，转换和加载事务数据到数据仓库系统。
它在多维数据库系统中存储和管理数据。
此外，为业务分析师和信息技术专业人员提供数据访问。
通常，通过应用软件分析数据。
同时，它以有用的格式显示数据，例如图表或表格
Q.22。命名不同级别的数据挖掘分析？
a。人工神经网络
b, 遗传算法
C。最近邻法
d。规则归纳
e数据可视化
Q.23。名称方法的分类方法？
a。基于统计程序的方法
b 基于机器学习的方法
C。神经网络
d。分类算法
e ID3算法
F。C4.5算法
G。K最近邻算法
H.NaïveBayes算法
I。SVM算法
J. ANN算法
K. 48决策树
L, 支持向量机
M. SenseClusters（K-means聚类算法的改编）
Q.24。解释基于统计程序的方法？
特别是，有两个主要阶段用于分类。此外，它可以在统计社区内轻松识别。
而第二个“现代”阶段则集中在更灵活的模型类别上。此外，其中许多尝试必须采取。此外，它提供了每个类中特征的联合分布的估计。此外，这又可以提供分类规则。
通常，统计过程必须通过具有精确的基本概率模型来表征，并且用于提供在每个类中而不仅仅是分类的概率。
此外，我们可以假设这些技术将由统计学家使用。因此，一些人类参与必须考虑变量选择。此外，问题的转型和整体结构。
问题25。解释基于机器学习的方法？
通常，它涵盖自动计算程序。此外，它基于逻辑或二进制操作。此外，我们使用一系列示例来学习任务。
在这里，我们必须关注决策树方法。此外，ss分类结果来自一系列逻辑步骤。
此外，其原则将允许我们处理更一般类型的数据，包括案例。虽然，属性的数量和类型可能会有所不同。
问题26。解释ID3算法？
通常，id3计算从原始集开始作为根集线器。此外，在每个循环中，它强调通过集合和数字的每个未使用的属性。而且，属性的熵。此外，在那时选择属性。此外，它具有最小的熵值。
Q.27。名称聚类方法？
它们分为以下几类 -
分区方法
分层方法
基于密度的方法
基于网格的方法
基于模型的方法
基于约束的方法
问题28。OLAP和OLTP代表什么？
基本上，OLAP是Online Analytical Processing的首字母缩写，OLTP是Online Transactional Processing的首字母缩写。
Q.29。定义元数据？
基本上，元数据被简单地定义为关于数据的数据。换句话说，我们可以说元数据是汇总数据，可以引导我们获取详细数据。
问题30。列出OLAP服务器的类型？
基本上，有四种类型的OLAP服务器，即Relational OLAP，Multidimensional OLAP，Hybrid OLAP和Specialized SQL Server。
数据挖掘面试有关新生的答案 - 问题21,22,23,27,28,29,30
数据挖掘面试问题经验答案 - 问题24,25,26
本文就分享到这里，希望对大家有所帮助，后续为大家持续更新，希望大家多多关注，
大家可以关注我的微信公众号，里面有的大量大数据，Python，java面试学习资料。
微信搜索：大数据技术工程师