精华内容
下载资源
问答
  • 2020-08-09 23:03:52





    一、数据仓库中的 数据组织级别



    数据仓库中的数据组织 级别 : 下面 细节程度 由低到高 逐一解析 ;

    • 早期细节级别数据 : 之前的一段时间的历史数据 ;
    • 当前细节级别数据 : 最近阶段的历史数据 ;
    • 轻度综合级别数据 : 以 天 , 星期 , 月 , 为时间单位综合数据 ;
    • 高度综合级别数据 : 以 季度 , 年 , 为时间单位综合数据 ;

    引入 “力度” 概念 : 上述介绍的 数据的不同的综合级别 , 称为力度 ;

    • 力度效果 : 力度越大 , 细节成都越低 , 综合程度越高 ;
    • 级别划分 : 数据的综合级别的划分 , 是根据力度进行划分的 ;

    数据仓库中的数据组织 涉及概念 : 粒度 与 分割 , 数据仓库数据组织形式 , 数据仓库数据追加 ;





    二、数据仓库中的 元数据



    元数据 ( MetaData ) :

    • 概念 : 关于 “数据” 的 数据 ;
    • 数据库 -> 数据仓库 :操作型环境数据仓库环境 转换 , 建立的元数据 ; 包含 元数据项名 , 属性 , 属性在数据仓库中的转换 ;
    • 数据仓库 -> 前端应用 映射 : 多维数据模型前端工具 之间建立的映射 , 该映射相关的数据 是 元数据 ;




    三、粒度 ( 根据 数据综合程度 划分粒度 )



    根据 “数据综合程度” 划分粒度 : “粒度” 是对 数据仓库 中的数据 的 综合程度高低 进行的度量 ;

    • 粒度与综合 : 粒度越小 , 数据细节程度越高 , 数据的综合程度越低 ;
    • 多粒度查询 : 数据仓库中一般查询是多粒度查询 , 不同的粒度 , 能回答不同的查询 ;

    不同粒度查询举例 : 粒度大小影响数据库查询的效率 ;

    • 细节查询 : 如果要查询 A A A 是否在昨天下午 3 3 3 点给 B B B 打过电话 , 此时应该直接查询该时间点的数据 ;

    • 以 “年” 为粒度查询 : 如果要查询 A A A 去年通话时间 , 就需要查询以 “年” 为单位的通话数据 ;

    • 以 “十年” 为粒度查询 : 如果要预测 A A A 未来几年的通话时间 , 就需查询 A A A 所有的通话数据记录 , 然后做出预测 ;





    四、粒度 ( 根据 样本采样率 划分粒度 )



    根据 “采样率高低” 划分粒度 :

    • 样本数据库 : 一定的采样率细节数据 / 轻度综合数据 中抽取出的 数据子集 , 称为样本数据库 ;
    • 样本数据库 “作用” : 使用该 数据子集 进行 模拟分析 ;
    • 抽象方式 : 随机抽取 ;

    "样本数据库" 优点 :

    • 效率 : 查询分析 效率 高 ;
    • 降低数据量 : 如果源数据的数据量很大 , 抽样数据的量可以降低 ;
    • 准确度高 : 分析结果的误差很小 , 准确度高 ;
    • 主要因素 : 这种分析方式 , 有助于抓住 主要因素 , 主要矛盾 ;

    两种形式的 “粒度” 举例 : “商品” 主题 ;

    • 时间段上信息综合粒度 : 销售综合表 , 采购综合表 , 是 根据 “数据综合程度” 划分的粒度 ;
    • 不同时间点的采样粒度 : 库存信息表 , 是 根据 “采样率高低” 划分的粒度 ;




    五、分割



    分割 :完整的数据集 分散到 各自的物理单元 中去 , 以便能 分别独立处理 ;

    • 分割结果 : 数据 分割后的 数据单元 , 称为 分片 ;
    • 分割目的 : 提高效率 ;
    • 分割作用 : 分析 相关性 数据集合 , 将 具有相关性 的数据 组织到一起分析 , 提高分析效率 ;

    分割标准 :

    • 方便进行如下操作 : 重构 , 索引 , 重组 , 恢复 , 监控 , 扫描 ;
    • 业务领域
    • 日期
    • 地域
    • 多个分割标准组合

    "分割" 示例 : 对 保险行业数据 进行分割 ;

    • 总的数据集 : 3 3 3 年的 车险 , 寿险 , 健康险 , 财产险 , 意外险 数据 ;
    • 分割标准 : 按照 “时间” , 和 “险种” , 进行分割 ;
    • 分片详情 : 分片个数为 3 × 5 = 15 3 \times 5 = 15 3×5=15 个数据分片 ;
    时间车险寿险健康险财产险意外险
    2020 2020 2020分片 1 1 1分片 2 2 2分片 3 3 3分片 4 4 4分片 5 5 5
    2019 2019 2019分片 6 6 6分片 7 7 7分片 8 8 8分片 9 9 9分片 10 10 10
    2018 2018 2018分片 11 11 11分片 12 12 12分片 13 13 13分片 14 14 14分片 15 15 15

    数据分片使用方式 :

    • 处理单独数据分片 : 如果只分析 2019 2019 2019 年的车险数据 , 只需要分析 分片 6 6 6 中的数据即可 , 每个分片的数据都可以独立处理 ;

    • 合并若干数据分片 : 如果分析 2020 2020 2020 年的健康险 和 意外险 数据 , 那么需要 将 分片 2 2 2 和 分片 5 5 5 合并起来 , 进行分析 ;





    六、数据仓库组织形式



    数据仓库组织形式 :

    • 简单堆积文件
    • 轮转综合文件
    • 简化直接文件
    • 连续文件

    简单堆积文件 :

    • 概念 : 将数据库中 提取加工 的数据 , 直接积累存储 ;
    • 操作 : 来一个存放一个 , 按照时间先后顺序存放 , 堆积 ;

    轮转综合文件 :

    • 概念 :数据的存储单位 , 分成 若干级别 , 每个级别有有限个指定的数据 ;
    • 数据形式 : 一定时间段的综合数据 , 称为 轮转记录 ;
    • 优点 : 结构简单 , 数据量比 “简单堆积文件” 少 ;
    • 缺点 : 综合数据 , 会损失数据细节 , 越久远的历史数据 , 数据细节损失的越多 ;
    • 操作 : 够一个时间段 , 就将指定长度的数据综合在一起 ; 每次综合都会损失一定的数据细节 ;
    • 示例 : 如果数据积累够 1 天 , 直接综合成一天的数据 ; 如果数据积累够 30 天 , 直接综合成一个月的数据 ; 如果数据积累够 12 个月 , 直接综合成一年的数据 , 小时的数据不超过 24 个 , 天的数据不超过 30 个 , 月的数据 不超过 12 个 ;

    简化直接文件 :

    • 概念 : 按照一定时间间隔 , 对数据库采样 ;
    • 快照 : 每隔一定时间 , 做一个数据库快照 , 存储该快照 , 与 “简单堆积文件” 类似 ;
    • 示例 : 周一对数据做一个快照 , 周二在做一个快照 , 每天都做一个数据库快照 , 存储下来 ;
    • 缺点 : 浪费存储空间 ;

    连续文件 : 在上述 “简化直接文件” 快照的基础之上 , 进行增量更新 , 只更新对比后的差异数据 ;

    • 概念 : 两个连续简化的直接文件 , 对比两个文件的差异 , 生成连续文件 ;
    • 连续文件 + 新的简单文件 = 新的连续文件
    更多相关内容
  • 数据仓库之数据粒度

    千次阅读 2019-04-10 11:34:31
    数据粒度主要针对指标数据的计算范围,如人口这个数据项在统计部门是以街区范围还是一个社区为范围统计的。人口数据细化程度越高,粒度级就越小;相反,细化程度越低,粒度级就越大。粒度是数据仓库主要设计问题,...

    粒度的定义

    确定数据仓库中数据的恰当粒度是数据仓库开发者需要面对的一个最重要的设计问题。数据粒度主要针对指标数据的计算范围,如人口这个数据项在统计部门是以街区范围还是一个社区为范围统计的。人口数据细化程度越高,粒度级就越小;相反,细化程度越低,粒度级就越大。粒度是数据仓库主要设计问题,因为它极大地影响存放在数据仓库中的数据量的大小,同时影响数据仓库所能回答的查询类型。在设计数据仓库的时候权衡数据量大小和查询类型得出合理的粒度大小。下面我们通过规划设计和建设两个阶段来讲解数据仓库粒度的确定。

    1.规划阶段

    “规划”——对未来整体性、长期性、基本型问题的思考和考量,设计未来整套行动的方案。在规划阶段过程中首先粗略估算数据量,估算的目的是掌握数据仓库中数据量的一个范围。第二步预测未来数据集市中应用需要的粒度,数据仓库存储数据集市使用的最小粒度。

    1.1.建立良好的循环反馈机制是很重要的。

    首先就要建立完善的循环反馈机制。数据仓库是面对模糊需求开始建立的,粒度不可能一次就能规划好,先导入少量数据,建立一部分应用提交给用户使用,并聆听用户使用意见,根据用户的使用意见调整粒度的大小。

    1.2.对存储数据进行粗略估算对设计体系结构的人员来说非常有用。

    粗略估算数据仓库的数据量,可跟好的规划数据仓库架构。如果数据只有10 000行,那么数据仓库采用粒度级越小的数据存储,数据仓库中存储所有明细数据。如果明细数据有10 000 000行,进入数据仓库的数据就需要进行初步汇总。如果有100亿行,数据仓库不但需要有一个高粒度级,还可能将大部分数据移到溢出存储器上去。

    估算方法如下:

     

    数据量估算方法

     

     

     

    注意:对数据仓库大小的估算预测几乎总是偏低,而且,数据仓库的增长速率一般比预测的要快。

    1.3.预测数据集市中可能使用的数据粒度是很必要的。

    为了合适地填充所有的数据集市,数据仓库中的数据必须在一个所有数据集市所需要的最低粒度水平上。

    规划阶段的成果是数据仓库建设的重要依据内容。规划阶段对组织架构,数据量大小和后期应用的摸底,可以制定方案,并对可能的结果有预先的认知,对可能存在的问题设计上进行避免。

    2.建设阶段

    2.1.根据估算的空间结果,在体系架构设计上可以根据数据量大小进行存储设备选择。需要多少直接存取存储设备,是否需采用双重粒度设计。

     

    估算是建设的输入

     

    2.2.设计溢出数据的管理。溢出数据是指数据仓库将不经常被访问的过时的数据转移到存储量更大的访问速度慢的存储器上的数据。管理溢出数据可以方便索引定位历史数据并可以快速取出该数据。

    跨介质存储管理器和数据活动监控器可以对溢出数据进行有效的管理。磁盘存储器和大容量低速存储器之间的数据移动是通过一种称为“跨介质存储管理器(CMSM)”的软件来控制的。数据活动监控器,用来确定哪些数据正在被访问,哪些没被访问。数据活动监控器能提供数据存储的位置信息。

     

    跨介质存储管理器与数据活动监控器

     

    2.3.实施数据仓库过程中粒度的确定是一个往复循环的过程。利用规划阶段建立的反馈循环方法,不断的从分析员获得反馈,不断的优化数据仓库。

     

    循环往复的反馈机制

     

    第一次的设计过程中,如果有50%是正确的,那么整个设计就是成功的。

    从图可以看出成功建立数据仓库离不开分析人员的通力协作。建设者要不断的聆听分析员的意见。分析人员在建立数据仓库的时候并不知道自己需要什么,只有在他们看到最终分析结果,才能告诉数据仓库工作人员什么才是他们真正有用的。为了有效的获得反馈,以下几点技巧可供参考:

    快速建立数据仓库很小的子集并认真听取用户的反馈意见;

              使用原型方法;

              参考别人的经验;

              与有经验的用户协同工作;

              以企业中已有的功能需要作参考;

              定期举行数据仓库建设例会。

    3.例举银行粒度小例子

    3.1.银行环境中粒度级别,下图是银行中的数据粒度例子。

     

    银行数据粒度

    银行的操作层存放的是以日为单位粒度的数据。银行的各个业务系统只存放最近60天交易活动明细内容,方便用户查询最近两个月的交易信息详情,这段时间用户对交易数据明细最为关心。

    数据仓库层将数据汇聚成以月为单位粒度的汇总数据。银行将过去长达十年的数据按每个账户每月交易信息进行汇聚,存储在直接存储设备,供高速查询访问,用户对过去很久的交易明细并不在意,但是用户需要快速查询得出结果,此时提供以月为单位的汇总数据可以满足用户的需求。

    所有的历史数据以日为单位存放在溢出存储区,该区域数据量极大,访问频率极低。一般银行不受理长达十年的历史明细数据查询的请求,如果一些特殊情况需要查询超过十年的历史数据,查询时间会相当缓慢。

    4.小结

    数据仓库粒度的确定是一个困难的过程,要求一个合适的级别,既不能太高也不能太低。

    选择粒度级别很大程度上基于常识。建设之前作好适当的规划,估算数据量并建立相应的反馈制度。在实施的过程中,首先建立数据仓库的一小部分,并让分析人员使用。然后聆听他们的意见,根据他们的反馈对粒度级别进行适当的调整。



    转载地址:https://www.jianshu.com/p/4928a2c5329b

    展开全文
  • ( D )的目的缩小数据的取值范围,使其更适合于数据挖掘算法的需要,并且能够得到和原始数据相同的分析结果。 A.数据清洗 B.数据集成 C.数据变换 D.数据归约 某超市研究销售纪录数据后发现,买啤酒的人很大概率...

    一、单选题(共80题)

    ( D )的目的缩小数据的取值范围,使其更适合于数据挖掘算法的需要,并且能够得到和原始数据相同的分析结果。

    A.数据清洗       B.数据集成

    C.数据变换       D.数据归约

    某超市研究销售纪录数据后发现,买啤酒的人很大概率也会购买尿布,这种属于数据挖掘的哪类问题?(A)
       A. 关联规则发现       B. 聚类
       C. 分类               D. 自然语言处理

    以下两种描述分别对应哪两种对分类算法的评价标准?(A)
      (a)警察抓小偷,描述警察抓的人中有多少个是小偷的标准。
      (b)描述有多少比例的小偷给警察抓了的标准。
      A. Precision,Recall   B.Recall,Precision
      A. Precision,ROC      D. Recall,ROC

    将原始数据进行集成、变换、维度规约、数值规约是在以下哪个步骤的任务?(C)
      A. 频繁模式挖掘       B. 分类和预测    

    C. 数据预处理         D. 数据流挖掘

    当不知道数据所带标签时,可以使用哪种技术促使带同类标签的数据与带其他标签的数据相分离?(B)
      A. 分类               B. 聚类     

    C. 关联分析           D. 隐马尔可夫链

    建立一个模型,通过这个模型根据已知的变量值来预测其他某个变量值属于数据挖掘的哪一类任务?(C)
      A. 根据内容检索       B. 建模描述
      C. 预测建模           D. 寻找模式和规则

    下面哪种不属于数据预处理的方法? (D)
      A.变量代换            B.离散化 

    C.聚集                D.估计遗漏值  

    假设12个销售价格记录组已经排序如下:5, 10, 11, 13, 15, 35, 50, 55, 72, 92, 204, 215 使用如下每种方法将它们划分成四个箱。等频(等深)划分时,15在第几个箱子内? (B)
      A.第一个             B.第二个  

    C.第三个             D.第四个  

    下面哪个不属于数据的属性类型:(D)
      A.标称               B.序数  

    C.区间               D.相异   

    只有非零值才重要的二元属性被称作:( C )
      A.计数属性           B.离散属性

    C.非对称的二元属性   D.对称属性 

    以下哪种方法不属于特征选择的标准方法:    (D)
      A.嵌入               B.过滤   

    C.包装               D.抽样 

    下面不属于创建新属性的相关方法的是: (B)
     A.特征提取            B.特征修改   

    C.映射数据到新的空间  D.特征构造

    下面哪个属于映射数据到新的空间的方法? (A)
     A.傅立叶变换          B.特征加权  

    C.渐进抽样            D.维归约

    假设属性income的最大最小值分别是12000元和98000元。利用最大最小规范化的方法将属性的值映射到0至1的范围内。对属性income的73600元将被转化为:(D)
     A.0.821              B.1.224  

    C.1.458              D.0.716

    一所大学内的各年纪人数分别为:一年级200人,二年级160人,三年级130人,四年级110人。则年级属性的众数是: (A)
     A.一年级              B.二年级   

    C.三年级              D.四年级 

    下列哪个不是专门用于可视化时间空间数据的技术:(B)
     A.等高线图            B.饼图 

    C.曲面图              D.矢量场图

    在抽样方法中,当合适的样本容量很难确定时,可以使用的抽样方法是: (D)
     A.有放回的简单随机抽样  

    B.无放回的简单随机抽样 

    C.分层抽样

    D 渐进抽样

    数据仓库是随着时间变化的,下面的描述不正确的是 (C)
    A.数据仓库随时间的变化不断增加新的数据内容
    B.捕捉到的新数据会覆盖原来的快照
    C.数据仓库随事件变化不断删去旧的数据内容
    D.数据仓库中包含大量的综合数据,这些综合数据会随着时间的变化不断地进行重新综合

    下面关于数据粒度的描述不正确的是: (C)
    A.粒度是指数据仓库小数据单元的详细程度和级别
    B.数据越详细,粒度就越小,级别也就越高
    C.数据综合度越高,粒度也就越大,级别也就越高
    D.粒度的具体划分将直接影响数据仓库中的数据量以及查询质量

    有关数据仓库的开发特点,不正确的描述是: (A)
    A.数据仓库开发要从数据出发
    B.数据仓库使用的需求在开发出去就要明确
    C.数据仓库的开发是一个不断循环的过程,是启发式的开发
    D.在数据仓库环境中,并不存在操作型环境中所固定的和较确切的处理流,数据仓库中数据分析和处理更灵活,且没有固定的模式

    关于OLAP的特性,下面正确的是: (D)
    (1)快速性 (2)可分析性 (3)多维性 (4)信息性 (5)共享性
    A.(1) (2) (3)
    B.(2) (3) (4)
    C.(1) (2) (3) (4)
    D.(1) (2) (3) (4) (5)

    关于OLAP和OLTP的区别描述,不正确的是: (C)
    A.OLAP主要是关于如何理解聚集的大量不同的数据.它与OTAP应用程序不同
    B.与OLAP应用程序不同,OLTP应用程序包含大量相对简单的事务
    C.OLAP的特点在于事务量大,但事务内容比较简单且重复率高
    D.OLAP是以数据仓库为基础的,但其最终数据来源与OLTP一样均来自底层的数据库系统,两者面对的用户是相同的

    关于OLAP和OLTP的说法,下列不正确的是: (A)
    A.OLAP事务量大,但事务内容比较简单且重复率高
    B.OLAP的最终数据来源与OLTP不一样
    C.OLTP面对的是决策人员和高层管理人员
    D.OLTP以应用为核心,是应用驱动的

    设X={1,2,3}是频繁项集,则可由X产生( C )个关联规则。
    A.4       B.5   

    C.6       D.7    

    考虑下面的频繁3-项集的集合:{1,2,3},{1,2,4},{1,2,5},{1,3,4},{1,3,5},{2,3,4},{2,3,5},{3,4,5}假定数据集中只有5个项,采用合并策略,由候选产生过程得到4-项集不包含( C )
    A.1,2,3,4     B.1,2,3,5  

    C.1,2,4,5     D.1,3,4,5

    下面选项中t不是s的子序列的是  ( C )
    A.s=<{2,4},{3,5,6},{8}> t=<{2},{3,6},{8}>
    B.s=<{2,4},{3,5,6},{8}> t=<{2},{8}>
    C.s=<{1,2},{3,4}> t=<{1},{2}>
    D.s=<{2,4},{2,4}> t=<{2},{4}>

    在图集合中发现一组公共子结构,这样的任务称为 ( B )
    A.频繁子集挖掘     B.频繁子图挖掘  

    C.频繁数据项挖掘   D.频繁模式挖掘

    下列度量不具有反演性的是 (D)
    A.系数             B.几率   

    C.Cohen度量       D.兴趣因子

    下列 ( A )不是将主观信息加入到模式发现任务中的方法。
    A.与同一时期其他数据对比
    B.可视化
    C.基于模板的方法
    D.主观兴趣度量

    下面购物蓝能够提取的3-项集的最大数量是多少(C)

    TID

    项集

    1

    牛奶,啤酒,尿布

    2

    面包,黄油,牛奶

    3

    牛奶,尿布,饼干

    4

    面包,黄油,饼干

    5

    啤酒,饼干,尿布

    6

    牛奶,尿布,面包,黄油

    7

    面包,黄油,尿布

    8

    啤酒,尿布

    9

    牛奶,尿布,面包,黄油

    10

    啤酒,饼干


    A.1     B.2     C.3     D.4

    以下哪些算法是分类算法  (B)

    A.DBSCAN   B.C4.5    C.K-Mean  D.EM

    以下哪些分类方法可以较好地避免样本的不平衡问题(A)

    A.KNN   B.SVM   C.Bayes   D.神经网络  

    决策树中不包含一下哪种结点 ( C )

    根结点(root node)

    内部结点(internal node)

    外部结点(external node)

    叶结点(leaf node)

    以下哪项关于决策树的说法是错误的 (C)

    A. 冗余属性不会对决策树的准确率造成不利的影响 
    B. 子树可能在决策树中重复多次 
    C. 决策树算法对于噪声的干扰非常敏感  
    D. 寻找最佳决策树是NP完全问题

    在基于规则分类器的中,依据规则质量的某种度量对规则排序,保证每一个测试记录都是由覆盖它的“最好的”规格来分类,这种方案称为 (B)
    A. 基于类的排序方案 
    B. 基于规则的排序方案 
    C. 基于度量的排序方案 
    D. 基于规格的排序方案。  

    以下哪些算法是基于规则的分类器 (A) 
    A.  C4.5         B. KNN 

    C. Naive Bayes    D.ANN

    可用作数据挖掘分析中的关联规则算法有(C)。
    A. 决策树、对数回归、关联模式 

    B. K均值法、SOM神经网络 

    C. Apriori算法、FP-Tree算法 

    D. RBF神经网络、K均值法、决策树

    如果对属性值的任一组合,R中都存在一条规则加以覆盖,则称规则集R中的规则为( B )

    A.无序规则  B.穷举规则  C.互斥规则  D.有序规则

    用于分类与回归应用的主要算法有: ( D )

    A.Apriori算法、HotSpot算法   

    B.RBF神经网络、K均值法、决策树 

    C.K均值法、SOM神经网络 

    D.决策树、BP神经网络、贝叶斯

    40)如果允许一条记录触发多条分类规则,把每条被触发规则的后件看作是对相应类的一次投票,然后计票确定测试记录的类标号,称为(A)  
        A.无序规则  B.穷举规则  C.互斥规则  D.有序规则

    41)考虑两队之间的足球比赛:队0和队1。假设65%的比赛队0胜出,剩余的比赛队1获胜。队0获胜的比赛中只有30%是在队1的主场,而队1取胜的比赛中75%是主场获胜。如果下一场比赛在队1的主场进行队1获胜的概率为 (C)
        A.0.75    B.0.35    C.0.4678    D.0.5738

    42)以下关于人工神经网络(ANN)的描述错误的有 (A)
    A.神经网络对训练数据中的噪声非常鲁棒

    B.可以处理冗余特征 

    C.训练ANN是一个很耗时的过程 

    D.至少含有一个隐藏层的多层神经网络

    43)通过聚集多个分类器的预测来提高分类准确率的技术称为 (A)

    A.组合(ensemble)     B.聚集(aggregate) 

    C.合并(combination)  D.投票(voting)

    44)简单地将数据对象集划分成不重叠的子集,使得每个数据对象恰在一个子集中,这种聚类类型称作( B )

     A.层次聚类           B.划分聚类    

     C.非互斥聚类         D.模糊聚类

    45)在基本K均值算法里,当邻近度函数采用( A )的时候,合适的质心是簇中各点的中位数。
         A.曼哈顿距离        B.平方欧几里德距离 

    C.余弦距离          D.Bregman散度  
    46)( C )是一个观测值,它与其他观测值的差别如此之大,以至于怀疑它是由不同的机制产生的。
         A.边界点            B.质心     

    C.离群点            D.核心点
    47)BIRCH是一种( B )。
         A.分类器            B.聚类算法     

    C.关联分析算法      D.特征选择算法
    48)检测一元正态分布中的离群点,属于异常检测中的基于( A )的离群点检测。

      A.统计方法         B.邻近度      

    C.密度             D.聚类技术
    49)( C )将两个簇的邻近度定义为不同簇的所有点对的平均逐对邻近度,它是一种凝聚层次聚类技术。
          A.MIN(单链)       B.MAX(全链)     

    C.组平均            D.Ward方法
    50)( D )将两个簇的邻近度定义为两个簇合并时导致的平方误差的增量,它是一种凝聚层次聚类技术。
          A.MIN(单链)       B.MAX(全链)     

    C.组平均            D.Ward方法
    51) 下列算法中,不属于外推法的是( B )。
          A.移动平均法        B.回归分析法     

    C.指数平滑法        D.季节指数法
    52) 关联规则的评价指标是:( C )。
          A. 均方误差、均方根误差     

    B. Kappa统计、显著性检验     

    C. 支持度、置信度  

    D. 平均绝对误差、相对误差
    53)关于K均值和DBSCAN的比较,以下说法不正确的是( A )。
       A.K均值丢弃被它识别为噪声的对象,而DBSCAN一般聚类所有对象。
      B.K均值使用簇的基于原型的概念,而DBSCAN使用基于密度的概念。
       C.K均值很难处理非球形的簇和不同大小的簇,DBSCAN可以处理不同大小和不同形状的簇。
       D.K均值可以发现不是明显分离的簇,即便簇有重叠也可以发现,但是DBSCAN会合并有重叠的簇。

    54)从研究现状上看,下面不属于云计算特点的是( C  )

    A.超大规模           B.虚拟化  

    C.私有化             D.高可靠性

    55)考虑这么一种情况:一个对象碰巧与另一个对象相对接近,但属于不同的类,因为这两个对象一般不会共享许多近邻,所以应该选择( D )的相似度计算方法。
        A.平方欧几里德距离       B.余弦距离    

    C.直接相似度             D.共享最近邻
    56) 分析顾客消费行业,以便有针对性的向其推荐感兴趣的服务,属于( A)问题。

    A.关联规则挖掘           B.分类与回归     

    C.聚类分析               D.时序预测
    57)以下哪个聚类算法不是属于基于原型的聚类( D )。
        A.模糊C均值         B.EM算法      

    C.SOM                D.CLIQUE
    58)关于混合模型聚类算法的优缺点,下面说法正确的是( B )。
       A.当簇只包含少量数据点,或者数据点近似协线性时,混合模型也能很好地处理。
       B.混合模型比K均值或模糊c均值更一般,因为它可以使用各种类型的分布。
       C.混合模型很难发现不同大小和椭球形状的簇。
       D.混合模型在有噪声和离群点时不会存在问题。
    59)以下哪个聚类算法不属于基于网格的聚类算法( D )。
        A.STING         B.WaveCluster     

    C.MAFIA         D.BIRCH
    60)一个对象的离群点得分是该对象周围密度的逆。这是基于( C )的离群点定义。
        A.概率          B.邻近度     

    C.密度          D.聚类

    舆情研判,信息科学侧重( C  ),社会和管理科学侧重突发群体事件管理中的群体心理行为及舆论控制研究,新闻传播学侧重对舆论的本体进行规律性的探索和研究。

    A.舆论的本体进行规律性的探索和研究             

    B.舆论控制研究    

    C.互联网文本挖掘和分析技术

    D.用户行为分析

    MapReduce的Map函数产生很多的(   C    )

    A.key                         B.value          

    C.<key,value>              D.Hash

    Mapreduce适用于 (  D  )

    A.任意应用程序  

    B. 任意可在windows servet2008上运行的程序

    C.可以串行处理的应用程序    

    D. 可以并行处理的应用程序

    PageRank是一个函数,它对Web中的每个网页赋予一个实数值。它的意图在于网页的PageRank越高,那么它就(    D   )。

    A.相关性越高              B.越不重要             

    C.相关性越低              D.越重要

    ╳A.一对一                     B.一对多                 

    C. 多对多                         D. 多对一

    协同过滤分析用户兴趣,在用户群中找到指定用户的相似(兴趣)用户,综合这些用户对某一信息的评价,形成系统对该指定用户对此信息的喜好程度(   D    ),并将这些用户喜欢的项推荐给有相似兴趣的用户。

    A. 相似                   B.相同               

    C.推荐                      D. 预测

    大数据指的是所涉及的资料量规模巨大到无法透过目前主流软件工具,在合理时间内达到撷取、管理、处理、并(   B    )成为帮助企业经营决策更积极目的的信息。

    A.收集                    B.整理               

    C.规划                      D.聚集

    大数据科学关注大数据网络发展和运营过程中(  D    )大数据的规律及其与自然和社会活动之间的关系。

    A.大数据网络发展和运营过程             B.规划建设运营管理

    C.规律和验证                                                        D.发现和验证

    大数据的价值是通过数据共享、(    D    )后获取最大的数据价值

    A.算法共享                B.共享应用               

    C. 数据交换                D. 交叉复用

    社交网络产生了海量用户以及实时和完整的数据,同时社交网络也记录了用户群体的(   C    ),通过深入挖掘这些数据来了解用户,然后将这些分析后的数据信息推给需要的品牌商家或是微博营销公司。

    A.地址                    B.行为               

    C.情绪                      D.来源

    通过数据收集和展示数据背后的(    D    ),运用丰富的、具有互动性的可视化手段,数据新闻学成为新闻学作为一门新的分支进入主流媒体,即用数据报道新闻。

    A.数据收集                 B.数据挖掘             

    C.真相                      D. 关联与模式

    CRISP-DM 模型中Evaluation表示对建立的模型进行评估,重点具体考虑得出的结果是否符合(   C    )的商业目的。

    A.第二步                 B.第三步           

    C.第一步                 D.最后一步

    发现关联规则的算法通常要经过以下三个步骤:连接数据,作数据准备;给定最小支持度和(    D    ),利用数据挖掘工具提供的算法发现关联规则;可视化显示、理解、评估关联规则

    A. 最小兴趣度               B. 最小置信度                

    C. 最大支持度                 D. 最小可信度

    规则I->j,“有可能”,等于所有包含I的购物篮中同时包含J的购物篮的比例,为(    B   )。

    A. 置信度                 B.可信度               

    C. 兴趣度                      D. 支持度

    如果一个匹配中,任何一个节点都不同时是两条或多条边的端点,也称作(   C     )

    A. 极大匹配            B.二分匹配          

    C完美匹配               D.极小匹配

    只要具有适当的政策推动,大数据的使用将成为未来提高竞争力、生产力、创新能力以及(   D   )的关键要素。

    A.提高消费              B.提高GDP          

    C.提高生活水平      D. 创造消费者盈余

    个性化推荐系统是建立在海量数据挖掘基础上的一种高级商务智能平台,以帮助(    D  )为其顾客购物提供完全个性化的决策支持和信息服务。

    A.公司                 B.各单位                 

    C.跨国企业               D. 电子商务网站

    云计算是对(  D  )技术的发展与运用

    A.并行计算        B.网格计算 

    C.分布式计算      D.三个选项都是

    ( B  )是Google提出的用于处理海量数据的并行编程模式和大规模数据集的并行运算的软件架构。

    A.GFS            B.MapReduce    

    C.Chubby         D.BitTable

    在Bigtable中,( A )主要用来存储子表数据以及一些日志文件

    A. GFS           B. Chubby        

    C.SSTable         D.MapReduce

     

    二、判断题(共40题)

    分类是预测数据对象的离散类别,预测是用于数据对象的连续取值。  (对)

    时序预测回归预测一样,也是用已知的数据预测未来的值,但这些数据的区别是变量所处时间的不同。(错)

    数据挖掘的主要任务是从数据中发现潜在的规则,从而能更好的完成描述数据、预测数据等任务。 (对)

    对遗漏数据的处理方法主要有:忽略该条记录;手工填补遗漏值;利用默认值填补遗漏值;利用均值填补遗漏值;利用同类别均值填补遗漏值;利用最可能的值填充遗漏值。(对)

    神经网络对噪音数据具有高承受能力,并能对未经过训练的数据具有分类能力,但其需要很长的训练时间,因而对于有足够长训练时间的应用更合适。(对)

    数据分类由两步过程组成:第一步,建立一个聚类模型,描述指定的数据类集或概念集;第二步,使用模型进行分类。(错)

    聚类是指将物理或抽象对象的集合分组成为由类似的对象组成的多个类的过程。 (对)

    决策树方法通常用于关联规则挖掘。 (错)

    数据规范化指将数据按比例缩放(如更换大单位),使之落入一个特定的区域(如0-1)以提高数据挖掘效率的方法。规范化的常用方法有:最大-最小规范化、零-均值规范化、小数定标规范化。(对)

    原始业务数据来自多个数据库或数据仓库,它们的结构和规则可能是不同的,这将导致原始数据非常的杂乱、不可用,即使在同一个数据库中,也可能存在重复的和不完整的数据信息,为了使这些数据能够符合数据挖掘的要求,提高效率和得到清晰的结果,必须进行数据的预处理。(对)

    数据取样时,除了要求抽样时严把质量关外,还要求抽样数据必须在足够范围内有代表性。(对)

    分类规则的挖掘方法通常有:决策树法、贝叶斯法、人工神经网络法、粗糙集法和遗传算法。(对)

    可信度是对关联规则的准确度的衡量。  (错)

    孤立点在数据挖掘时总是被视为异常、无用数据而丢弃。  (错)

    Apriori算法是一种典型的关联规则挖掘算法。(对)

    用于分类的离散化方法之间的根本区别在于是否使用类信息。 (对)

    特征提取技术并不依赖于特定的领域。  (错)

    模型的具体化就是预测公式,公式可以产生与观察值有相似结构的输出,这就是预测值。 (对)

    文本挖掘又称信息检索,是从大量文本数据中提取以前未知的、有用的、可理解的、可操作的知识的过程。(错)

    定量属性可以是整数值或者是连续值。  (对)

    可视化技术对于分析的数据类型通常不是专用性的。 (错)

    OLAP技术侧重于把数据库中的数据进行分析、转换成辅助决策信息,是继数据库技术发展之后迅猛发展起来的一种新技术。(对)

    Web数据挖掘是通过数据库仲的一些属性来预测另一个属性,它在验证用户提出的假设过程中提取信息。   (错)

    关联规则挖掘过程是发现满足最小支持度的所有项集代表的规则。  (错)

    利用先验原理可以帮助减少频繁项集产生时需要探查的候选项个数。  (对)

    先验原理可以表述为:如果一个项集是频繁的,那包含它的所有项集也是频繁的。(错)

    回归分析通常用于挖掘关联规则。(错)

    具有较高的支持度的项集具有较高的置信度。(错)

    维归约可以去掉不重要的属性,减少数据立方体的维数,从而减少数据挖掘处理的数据量,提高挖掘效率。(对)

    聚类(clustering)是这样的过程:它找出描述并区分数据类或概念的模型(或函数),以便能够使用模型预测类标记未知的对象类。  (错)

    对于SVM分类算法,待分样本集中的大部分样本不是支持向量,移去或者减少这些样本对分类结果没有影响。(对)

    Bayes法是一种在已知后验概率与类条件概率的情况下的模式分类方法,待分样本的分类结果取决于各类域中样本的全体。   (错)

    在决策树中,随着树中结点数变得太大,即使模型的训练误差还在继续减低,但是检验误差开始增大,这是出现了模型拟合不足的问题。(错)

    在聚类分析当中,簇内的相似性越大,簇间的差别越大,聚类的效果就越差。(错)

    聚类分析可以看作是一种非监督的分类。(对)

    K均值是一种产生划分聚类的基于密度的聚类算法,簇的个数由算法自动地确定。(错

    基于邻近度的离群点检测方法不能处理具有不同密度区域的数据集。(对)

    如果一个对象不强属于任何簇,那么该对象是基于聚类的离群点。(对)

    大数据的4V特点是Volume、Velocity、Variety、Veracity。(对)

    聚类分析的相异度矩阵是用于存储所有对象两两之间相异度的矩阵,为一个nn维的单模矩阵。(对)

     

    三、多选题(共30题)

    噪声数据的产生原因主要有:(ABCD)

    数据采集设备有问题

    在数据录入过程中发生了人为或计算机错误

    数据传输过程中发生错误

    由于命名规则或数据代码不同而引起的不一致

    寻找数据集中的关系是为了寻找精确、方便并且有价值地总结出数据的某一特征的表示,这个过程包括了以下哪些步骤? (A B C D)

    A.选择一个算法过程使评分函数最优
    B.决定如何量化和比较不同表示拟合数据的好坏
    C.决定要使用的表示的特征和结构
    D.决定用什么样的数据管理原则以高效地实现算法

    数据挖掘的预测建模任务主要包括哪几大类问题?(A B)

    A. 分类 

    B. 回归  

    C. 聚类 

    D. 关联规则挖掘

    4) 下列属于不同的有序数据的有:(A B C D)
    A.时序数据

    B.序列数据

    C.时间序列数据

    D.事务数据

    E.空间数据

    5) 下面属于数据集的一般特性的有:( B C D)
    A.连续性

    B.维度

    C.稀疏性

    D.分辨率

    E.相异性

    6)下面属于维归约常用的处理技术的有: (A C)
    A.主成分分析

    B.特征提取

    C.奇异值分解

    D.特征加权

    E.离散化

    噪声数据处理的方法主要有:( ABD )

    A.分箱           B.聚类

    C.关联分析       D.回归

    数据挖掘的主要功能包括概念描述、趋势分析、孤立点分析及(  ABCD  )等方面。

    A.挖掘频繁模式      B.分类和预测   

    C.聚类分析           D.偏差分析

    以下各项均是针对数据仓库的不同说法,你认为正确的有(BCD    )。
      A.数据仓库就是数据库
      B.数据仓库是一切商业智能系统的基础
      C.数据仓库是面向业务的,支持联机事务处理(OLTP)
      D.数据仓库支持决策而非事务处理

    10)联机分析处理包括(  BCD  )基本分析功能。
    A.聚类             B.切片  

    C.转轴              D.切块

    11)利用Apriori算法计算频繁项集可以有效降低计算频繁集的时间复杂度。在以下的购物篮中产生支持度不小于3的候选3-项集,在候选2-项集中需要剪枝的是( BD )

    TID

    项集

    1

    面包、牛奶

    2

    面包、尿布、啤酒、鸡蛋

    3

    牛奶、尿布、啤酒、可乐

    4

    面包、牛奶、尿布、啤酒

    5

    面包、牛奶、尿布、可乐


    A.啤酒、尿布        B.啤酒、面包

    C.面包、尿布        D.啤酒、牛奶

    12)下表是一个购物篮,假定支持度阈值为40%,其中(  AD   )是频繁闭项集。
     

    ID

    项集

    1

    面包、牛奶、尿布

    2

    面包、牛奶、尿布、啤酒

    3

    牛奶、尿布、鸡蛋

    4

    面包、尿布、啤酒、鸡蛋

    5

    啤酒、鸡蛋


    A.面包、牛奶、尿布      B.面包、啤酒
    C.尿布、啤酒            D.啤酒、鸡蛋

    13)Apriori算法的计算复杂度受(  ABCD  )影响。

    A.支持度阀值            B.项数(维度)

    C.事务数                D.事务平均宽度

    14)以下关于非频繁模式说法,正确的是(  AD  )

    A.其支持度小于阈值         B.都是不让人感兴趣的

    C.包含负模式和负相关模式   D.对异常数据项敏感

    15)以下属于分类器评价或比较尺度的有: (   ACD   )

    A.预测准确度           B.召回率

    C.模型描述的简洁度     D.计算复杂度

    16)贝叶斯信念网络(BBN)有如下哪些特点。 (AB)

    A.构造网络费时费力

    B.对模型的过分问题非常鲁棒

    C.贝叶斯网络不适合处理不完整的数据

    D.网络结构确定后,添加变量相当麻烦

    17)如下哪些不是最近邻分类器的特点。  (C)

    A.它使用具体的训练实例进行预测,不必维护源自数据的模型

    B.分类一个测试样例开销很大

    C.最近邻分类器基于全局信息进行预测

    D.可以生产任意形状的决策边界

    18)以下属于聚类算法的是( AB )。
        A.K-Means         B.DBSCAN     

    C.Apriori         D.KNN

    19)( CD )都属于簇有效性的监督度量。
        A.轮廓系数        B.共性分类相关系数     

    C.熵              D.F度量

    20)( ABCD )这些数据特性都是对聚类分析具有很强影响的。
        A.高维性          B.规模

    C.稀疏性          D.噪声和离群点

    21)在聚类分析当中,( AD )等技术可以处理任意形状的簇。
        A.MIN(单链)     B.MAX(全链)     

    C.组平均          D.Chameleon

    22)( AB )都属于分裂的层次聚类算法。
        A.二分K均值      B.MST     

    C.Chameleon       D.组平均

    23)数据挖掘的挖掘方法包括:(   ABCD    )

    A.聚类分析        B.回归分析                  

    C.神经网络               D.决策树算法

    24)Web内容挖掘实现技术(   ABCD   )

    A.文本总结        B.文本分类

    C.文本聚类        D.关联规则

    25)基于内容的推荐生成推荐的过程主要依靠(  ACD    )

    A.内容分析器         

    B.推荐系统              

    C.文件学习器         

    D.过滤部件

    26)云计算的服务方式有( ACD  )

    A.IaaS              B.Raas               

    C.PaaS              D.SaaS

    27)文本挖掘的工具有( BCD  )

    A.SPP Text Mining                            

    B.IBM DB2 intelligent Miner

    C.SAS Text Miner                                          

    D.SPSS Text Mining

    28)推荐系统为客户推荐商品,自动完成个性化选择商品的过程,满足客户的个性化需求,推荐基于网站最热卖商品、客户所处城市、(    D   ),推测客户将来可能的购买行为。

    A.客户的朋友            B.客户的个人信息

    C.客户的兴趣爱好    D.客户过去的购买行为和购买记录

    29)数据预处理方法主要有( ABCD)。

    A.数据清洗        B.数据集成 

    C.数据变换        D.数据归约

    30)与传统的分布式程序设计相比,Mapreduce封装了  (  ABCD  )等细节,还提供了一个简单而强大的接口。

    A.并行处理        B.容错处理  

    C.本地化计算      D.负载均衡

    展开全文
  • FCAA部分题库(有答案)

    万次阅读 2020-07-09 20:21:50
    4.数据挖掘最重要的是找到算法模型:错误 正确 错误 6.越是高层管理的数据指标数目应该越少:正确 正确 错误 . 7.指标分为定量KPI和定性KPI,制定定性KPI的标准需首先确定定性KPI的考核维度:正确 正确 错误 8.定性...

    第一次的考题

    一、判断题

    1.箱线图描述的是集中趋势:错误
    

    正确

    错误

    2.平衡计分卡是连接战略与执行的工具:正确
    

    正确

    错误

    3.平衡记分卡中的战略地图三要素为维度、目标、因果关系:正确
    

    正确

    错误

    4.数据挖掘最重要的是找到算法模型:错误
    

    正确

    错误

    6.越是高层管理的数据指标数目应该越少:正确
    

    正确

    错误

    . 7.指标分为定量KPI和定性KPI,制定定性KPI的标准需首先确定定性KPI的考核维度:正确

    正确

    错误

    8.定性指标是不能用数量来衡量的质化指标:正确
    

    正确

    错误

    . 9.指标的增益性是指绩效实际值与业绩评估结果正相关,即绩效指标的实际值越大,表示指标反映的状态或实际绩效结果越好:正确

    正确

    错误

    . 10.实际值越接近该定点值或警戒值表示指标反映的状态或实际绩效结果越差:错误

    正确

    错误

    . 11.支持度 (Support) 是购买A后再购买B的条件概率,公式表达: Support=P(A&B)/P(A):错误

    正确

    错误

    . 12.在营销指标分析中,我们应站在业务人员的角度进行关键营销指标分析:错误

    正确

    错误

    . 13.当两个变量的数据点在散步图上不呈现出直线带状,且无任何其他规律,可以判断两变量不相干:正确

    正确

    错误

    14.散点图是为寻找影响质量的主要原因所使用的工具:错误
    

    正确

    错误

    . 15.BSC在客户层面上讲,首先就是要确定客户核心衡量指标群:错误

    正确

    错误

    二、单选题

    16.数据的状态是如何变化的?(D)
    

    A.数据-知识-信息-智慧-赋能

    B.数据-信息-赋能-知识-智慧

    C.信息-数据-知识-智慧-赋能

    D.数据-信息-知识-智慧-赋能

    17.数据专家工作的最后一步是什么?(C)
    

    A.获取数据

    B.处理数据

    C.改进数据

    D.分析数据

    E.展示数据

    18.HEART模型中的参与度指的是什么?(C)
    

    A.交互设计给用户带来体验的满意程度

    B.用户在一定周期内参与产品核心功能的使用

    C.用户参与互动的程度

    19.数据指标不一致时快速核查的第一步是什么?(A)
    

    A. 数据源确定

    B. 确定sql结论

    C. 自查

    20.指标体系设计过程中,罗列业务指标的下一步是什么?(A)
    

    A. 筛选业务指标

    B.选择权重

    C.确定衡量标准

    21.搭建指标库的第一步是什么?(B)
    

    A.指标确认

    B.报表梳理

    C.指标整合

    22.在库存管理的指标拆解中,单位库存价值UIV应该属于哪一项(B)

    A.库存水平分析

    B.库存管理参数

    C.库存财务指标

    D.库存决策指标

    23.散点图适合表达哪种相对关系?(C)
    

    A.成分

    B.项目

    C.相关性

    D.时间

    . 24.当有很多变量时,又想找一种或几种综合指标去很好地刻画数据的差异性的时候,即实现降维,应该采用哪种统计方法呢?(B)

    A.二八分析法

    B.主成分分析法

    C.关联分析法

    D.RFM模型

    25.RFM 方法中的 F 说明客户的(A )
    

    A.兴趣度

    B.粘性

    C.当前价值

    D.未来价值

    26.下面关于数据粒度的描述不正确的是:(C)
    

    A.粒度是指数据仓库小数据单元的详细程度和级别

    B.数据越详细,粒度就越小,级别就越高

    C.数据综合度越高,粒度越大,级别也就越高

    D.粒度的具体划分直接影响数据仓库中的数据量和查询质量。

    . 27.建立一个模型,通过这个模型根据已知的变量值来预测其他变量值属于数据挖掘的哪类任务。(D)

    A.根据内容检索

    B.建模描述

    C.寻找模式和规则

    D.预测建模

    . 28.作为一家制造类企业,以下哪个图适合比较不同产品各年的销售变化情况(D)

    A.分组饼形图

    B.堆叠面积图

    C.堆叠柱形图

    D.分组柱形图

    29.预计今后10年多的时间内销售额持续增长,应该选用哪种图形(B)
    

    A.散点+条形图

    B.折线+柱形图

    C.饼图

    D.条形图

    . 30.去年人员更替主要集中在30-35岁的年龄段,体现了哪种相对关系。(D)

    A.时间

    B.相关性

    C.时间序列

    D.频率分布

    31.下图是使用哪种方法构建KPI体系的(B)
    

    A.Past法

    B.价值树法

    C. Fast法

    D.流程图
    32.通过用鱼骨图,理解业务模型中,第一步是什么(B)

    A.战略目标对应(衡量)

    B.关键因素分解(罗列)

    C.比重+细化(筛选+权重与否+确认)

    33.在数据专家的工作流程中,数据挖掘是属于哪一流程(B)
    

    A.处理数据

    B.分析数据

    C.展示数据

    D.改进数据

    34.数据工具以excel来主,数据库为辅是描述哪个数据阶段的企业(B)
    

    A.沉睡企业

    B.起步企业

    C.发展企业

    D.成熟企业

    35.想用是指有“分量”的需求,其重点对象一般是(A)
    

    A.老板&业务高层

    B.中层

    C.业务层

    . 36.数据体验中的好用,是要发挥关键数据价值,其重点面向对象为(C)

    A.老板&业务高层

    B.中层

    C.业务层
    三、多选题

    37.指标管理平台构建的重点有哪些?(全选)
    

    A.基本结构

    B.功能模块

    C.平台界面

    D.组织支撑

    38.下列哪些要素属于场景梳理中需要涉及的?(全选)
    

    A.当前问题

    B.期望目标

    C.解决思路

    D.可执行的验证标准

    39.RFM模型中用哪三个维度来对用户进行划分(ABC)

    A.离某个时间点最近的一次消费

    B.一段时间内的消费频次

    C.对应这段时间内的消费金额

    D.一段时间内的消费人数

    40.数据所带来的业务价值有(全选)
    

    A.降本

    B.增效

    C.通岛

    D.预测

    E.调度

    第二次的考题

    一、判断题

    1.接到临时数据需求第一步是写SQL脚本(错误)
    

    正确

    错误

    2.复杂的问题往往只需要一种算法就可以解决(错误)
    

    正确

    错误

    3.每个数据指标必须设定衡量标准(正确)
    

    正确

    错误

    4.业务指标与公司战略目标、整体指标允许出现不一致的情况(错误)
    

    正确

    错误

    5.定性指标是不能用数量来衡量的质化指标(正确)
    

    正确

    错误

    . 6.在企业实施绩效考核的过程中,可能一些绩效指标的考核结果并不能够充分呈现某个考核项目的真实结果,因此需要配套指标。(正确)

    正确

    错误

    7.RFM模型是用来时间序列数据的相关模型(错误)
    

    正确

    错误

    8.数据挖掘项目在传统制造行业很难应用(错误)
    

    正确

    错误

    9.在数据挖掘算法的选择上,按照算法准确率最高进行选择(错误)
    

    正确

    错误

    10.提升客户服务满意度,该任务目标符合SMART原则(错误)
    

    正确

    错误

    11.BSC在客户层面上讲,首先就是要确定客户核心衡量指标群(错误)
    

    正确

    错误
    二、单选题

    12.数据专家工作的最后一步是什么?(C)
    

    A.获取数据

    B.处理数据

    C.改进数据

    D.分析数据

    E.展示数据

    13.业务专家的工作流程中,专题分析形成方案 后,应该是哪一步(D)
    

    A.分析背景、明确问题

    B.总结提升、经营升级

    C.梳理逻辑,效果监控

    D.验证方案 改进业务

    14.以下哪个值可以描述集中趋势?(A)
    

    A.均值

    B.方差

    C.标准差

    D.四分位数

    15.以下哪个值不可以描述离散趋势?(C)
    

    A.标准差

    B.方差

    C.众数

    16.月报的作用什么?(C)
    

    A.用于监控业务是否有异常

    B.各项目进度如何

    C.Kpi完成情况

    17.处理完临时需求后生成的文件夹,应如何命名?(A)
    

    A.需求+名称+处理人+日期

    B.需求+名称

    C.名称+处理人+日期

    D.需求+名称+日期

    18.GSM模型不包括哪个要素?(B)
    

    A.目标

    B.结果

    C.信号

    19.散点图适合表达哪种相对关系?(C)
    

    A.成分

    B.项目

    C.相关性

    D.时间

    20.Apriori算法(频繁项集算法)常用于一下哪种分析(B)
    

    A.主成分分析

    B.关联分析

    C.二八分析

    D.RFM模型

    21.RFM 方法中的 F 说明客户的(A )
    

    A.兴趣度

    B.粘性

    C.当前价值

    D.未来价值

    22.如果某公司战略偏稳健,哪个产品线更加适合它。(B)
    

    A.A产品线

    B.B产品线

    . 23.为了更全面看待学生的发展,经验丰富的王老师构建了一项指标,指标X=-0.4数学-0.4物理-0.3化学+0.5语文+0.4历史+0.4英语 ,问指标X可以反应出什么问题。(C)

    A.各科均衡指标

    B.集中指标

    C.文理科差异指标

    D. 离散指标

    . 24.当不知道数据所带标签时,可以使用哪种技术促使带同类标签的数据和带其他标签的数据分离(B)

    A.分类

    B.聚类

    C.关联分析

    D.马尔科夫链

    . 25.某市发布全市职工平均工资为77560元,月平均工资为6463元.众多网友直呼“被平均”,你认为下面哪种统计量测度平均工资会更被信服(D)

    A.平均数

    B.众数

    C.极差

    D.中位数

    26.作为一家制造类企业,以下哪个图适合比较不同产品各年的销售变化情况(D)
    

    A.分组饼形图

    B.堆叠面积图

    C.堆叠柱形图

    D.分组柱形图

    27.利润率和工资之间有一定关系,该选用哪种图形(A)
    

    A.散点+条形图

    B.折线+柱形图

    C.饼图

    D.条形图

    28.两种产品在8月的产值远超另外6种产品,体现了哪种相对关系(D)
    

    A.时间

    B.相关性

    C.时间序列

    D.项目

    . 29.BSC—从财务层面看,企业在不同阶段的 财务目标不同,在成熟期财务指标中最强调哪一项(A)

    A.现金流

    B.股东价值

    C.营业收入

    D.毛利

    30.在数据专家的工作流程中,数据挖掘是属于哪一流程(B)
    

    A.处理数据

    B.分析数据

    C.展示数据

    D.改进数据

    31.数据工具以excel来主,数据库为辅是描述哪个数据阶段的企业(B)
    

    A.沉睡企业

    B.起步企业

    C.发展企业

    D.成熟企业

    32.对数据应用开始进行汇总分析,专题分析  是处在哪个数据阶段的企业(C)
    

    A.成熟企业

    B.沉睡企业

    C.发展企业

    D.起步企业

    33.数据体验中的好用,是要发挥关键数据价值,其重点面向对象为(C)
    

    A.老板&业务高层

    B.中层

    C.业务层
    三、多选题

    34.以下哪些方法可以用来梳理指标体系?(ABC)
    

    A.Fast法

    B.Past法

    C.价值树法

    D.RFM模型

    35.下列哪些属于BRD文档的主要内容?(ABCE)
    

    A.报表目的

    B.报表业务方

    C. 报表业务方对接人

    D.报表开发人

    E. 接口分析师

    36.下列哪些属于指标计算的内容(ABC)
    

    A.计算公式

    B.参数定义

    C.指标权重

    D.指标极性

    37.在关联分析中,常用的三度是哪三度(ABD)
    

    A.置信度

    B.支持度

    C.深度

    D.提升度

    E.效度

    38.数据需求的定义是:(全选)
    

    A.通过数据了解业务情况

    B.通过指标分析查看任务进度

    C.解决问题需要数据支撑

    D.发现新业务需要数据验证

    39.企业ERP流程中,主生产排程子系统在生产主生产计划时,需要哪些数据
    

    (ABCE)

    A.工作日历信息

    B.销售订单信息

    C.成品库存信息

    D.采购在途信息

    E.在制信息

    40.数据所带来的业务价值有(全选)
    

    A.降本

    B.增效

    C.通岛

    D.预测

    E.调度

    最后通过那次的题

    一、判断题

    1.箱线图描述的是集中趋势(错误)
    

    正确

    错误

    2.数据挖掘最重要的是找到算法模型(错误)
    

    正确

    错误

    . 3.数据挖掘是一个利用各种方法从海量的有噪声的各类数据中,提取潜在的、可理解的、有价值的信息的过程(正确)

    正确

    错误

    4.复杂的问题往往只需要一种算法就可以解决(错误)
    

    正确

    错误

    5.每个数据指标必须设定衡量标准(错误)
    

    正确

    错误

    . 6.在定性KPI指标中,当评价维度单一且可衡量的情况,指标要用加分法来计算(错误)

    正确

    错误

    7.指标体系制定需要遵循SMART模型(正确)
    

    正确

    错误

    8.定性指标是不能用数量来衡量的质化指标(正确)
    

    正确

    错误

    . 9.指标极性是指绩效指标趋于最佳状态或有利状态过程中指标实际值的发展方向或所处位置。(正确)

    正确

    错误

    . 10.指标的增益性是指绩效实际值与业绩评估结果正相关,即绩效指标的实际值越大,表示指标反映的状态或实际绩效结果越好(正确)

    正确

    错误

    12.在常规统计分析中,基本以表格形式,可以不采用 BI 工具实现。(正确)
    

    正确

    错误

    13.在数据挖掘算法的选择上,按照算法准确率最高进行选择(错误)
    

    正确

    错误

    14.散点图是为寻找影响质量的主要原因所使用的工具。(错误)
    

    正确

    错误

    . 15.本月计划完成回款20万,完成销售目标300万,该任务目标符合SMART原则(正确)

    正确

    错误

    . 16.GGM模型中,M是指指标,在指标选取中,核心指标是要关注的,但非核心指标也要纳入观察范围(错误)

    正确

    错误

    . 17.在收集用户反馈时,由于IT人员是数据的加工者而非使用者,因此只需收集管理层和业务人员的反馈即可。(错误)

    正确

    错误
    二、单选题

    18.数据专家工作的最后一步是什么?(C)
    

    A.获取数据

    B.处理数据

    C.改进数据

    D.分析数据

    E.展示数据

    19.业务专家的工作流程中,专题分析形成方案 后,应该是哪一步(D)
    

    A.分析背景、明确问题

    B.总结提升、经营升级

    C.梳理逻辑,效果监控

    D.验证方案 改进业务

    20.以下哪个值可以描述集中趋势?(A)
    

    A.均值

    B.方差

    C.标准差

    D.四分位数

    21.以下哪个值可以描述离散趋势?(D)
    

    A.均值

    B.中位数

    C.众数

    D.方差

    22.日报的作用什么?(C)
    

    A. 判断是否需要对策略进行调整

    B.展示各业务指标周期发展趋势

    C.用于监控业务是否有异常

    D.展示Kpi完成情况

    23.搭建指标库的正确流程是什么?(C)
    

    A.指标确认-报表梳理-指标整合-数据库建立

    B.报表梳理-指标确认–数据库建立-指标整合

    C.报表梳理-指标确认-指标整合-数据库建立

    24.数据专家在分析完数据后紧接着需要做什么?(B)
    

    A.处理数据

    B.展示数据

    C.改进数据

    25.搭建指标库的第一步是什么?(B)
    

    A.指标确认

    B.报表梳理

    C.指标整合

    26.下列哪种要素不属于GSM模型?(D)
    

    A.目标

    B.信号

    C.指标

    D.原因

    27.如果某公司战略偏稳健,哪个产品线更加适合它。(B)
    

    A.A产品线

    B.B产品线

    28.作为一家制造类企业,以下哪个图适合比较不同产品各年的销售变化情况(B)
    

    A.分组饼形图

    B.堆叠面积图

    C.堆叠柱形图

    D.分组柱形图

    29.以下哪种方法不属于预测性(有监督学习)模型(C)
    

    A.决策树

    B.线性回归

    C.关联分析

    D.判别分析

    30.预计今后10年多的时间内销售额持续增长,应该选用哪种图形(B)
    

    A.散点+条形图

    B.折线+柱形图

    C.饼图

    D.条形图

    31.去年人员更替主要集中在30-35岁的年龄段,体现了哪种相对关系。(D)
    

    A.时间

    B.相关性

    C.时间序列

    D.频率分布

    . 32.BSC—从财务层面看,企业在不同阶段的 财务目标不同,在成熟期财务指标中最强调哪一项(A)

    A.现金流

    B.股东价值

    C.营业收入

    D.毛利

    33.通过用鱼骨图,理解业务模型中,第一步是什么(B)
    

    A.战略目标对应(衡量)

    B.关键因素分解(罗列)

    C.比重+细化(筛选+权重与否+确认)

    34.数据工具以excel来主,数据库为辅是描述哪个数据阶段的企业(A)
    

    A.沉睡企业

    B.起步企业

    C.发展企业

    D.成熟企业

    35.以下哪些方法可以用来梳理指标体系?(ABC)
    

    A.Fast法

    B.Past法

    C.价值树法

    D.RFM模型

    36.下列哪些指标属于HEART模型?(ABC)
    

    A.愉悦度

    B.接受度

    C.留存率

    D.支持度

    E.频率

    37.下列哪些要素属于场景梳理中需要涉及的?(全选)
    

    A.当前问题

    B.期望目标

    C.解决思路

    D.可执行的验证标准

    38.RFM模型中用哪三个维度来对用户进行划分(ABC)
    

    A.离某个时间点最近的一次消费

    B.一段时间内的消费频次

    C.对应这段时间内的消费金额

    D.一段时间内的消费人数

    39.在要素/维度分析中,要做到(ABC)
    

    A.以某个维度为关注重点,融合其他要素的统计分析

    B.便于从全局到局部的关联分析和对比,找到异常情况

    C.应该图表关联、下钻上溯,甚至于源数据查询

    D.选择尽可能多的维度进行分析

    40.根据不同阶段的企业数据特点,可以将企业分为哪几类(全选)
    

    A.沉睡企业

    B.发展企业

    C.成熟企业

    D.起步企业

    三回啊三回

    在这里插入图片描述

    展开全文
  • 数据仓库的粒度

    万次阅读 2018-06-20 09:16:48
    概述粒度问题是设计数据仓库的一个最重要方面。粒度是指数据仓库的数据单位中保存数据的细化或综合程度的级别。细化程度越高,粒度级就越小;相反,细化程度越低,粒度级就越大。数据粒度一直是一个设计问题。数据...
  • 作为迄今为止最大的完整注释的英语语言细粒度情感数据集,我们在设计GoEmotions分类法时考虑到了心理学和数据适用性。 与基本的六种情绪(只有一种积极情绪(喜悦))不同,我们的分类包括12种积极情绪、11种消极情绪、...
  • 3.数据仓库之确定粒度

    千次阅读 2018-09-17 10:24:04
    在数据仓库的开发过程中,确定数据仓库中的数据的粒度是至关重要的,翻阅了很多书籍,对粒度的描述都过于笼统,百度百科对数据粒度的定义: 数据粒度,是指数据仓库中数据的细化和综合程度。根据数据粒度细化标准...
  • 数据仓库中的数据粒度

    千次阅读 2010-07-07 23:29:00
    通常数据仓库中包含大量数据表,如何在软硬件资源确定的情况下,正确划分数据粒度,确保数据满足客户的决策分析需求,成了数据仓库逻辑设计的一个重要方面。1 确定数据粒度的基本准则   数据粒度是指数据仓库中...
  • 1 确定数据粒度的基本准则 数据粒度是指数据仓库中保存数据的细化或综合程度。数据仓库中包含大量数据表,这些数据表中的数据以什么粒度来存储,会对信息系统的多方面产生影响。在做 数据仓库设计时,设计者确定以...
  • 文章目录前言锁的细粒度级别基于小概率锁碰撞的lock pool实现方案 前言 在分布式系统中,我们常常使用锁来保证操作的一致性控制。但是锁的存在则意味着必然存在着锁竞争的情况。而且这种竞争会随着外部请求量的激增...
  • 数据仓库与数据挖掘复习题目

    千次阅读 2019-05-22 09:07:22
    期末考试题型 ...1. 某超市研究销售纪录数据后发现,买啤酒的人很大概率也会购买尿布,这种属于数据挖掘的哪类问题?(A) A. 关联规则发现 B. 聚类 C. 分类 D. 自然语言处理 2. 以下两种描述分别对应...
  • 数据仓库粒度

    千次阅读 2015-04-26 19:41:45
    粒度是指数据仓库的数据单位中保存数据的细化或综合程度的级别。 细化程度越高,粒度级就越小;相反,细化程度越低,粒度级就越大。数据粒度一直是一个设计问题。数据仓库环境中粒度之所以是主要的设计问题,是...
  • 本文主要围绕这一特殊任务,介绍如何引入外部句子级细粒度信息来增强短文本信息;介绍一篇由creep的算法笔记整理近期的一篇论文工作,并作相应补充完善,供大家一起思考。 image-20220308155520667 论文地址:...
  • Spring Security 中如何细化权限粒度

    千次阅读 2020-09-16 09:27:29
    不过松哥想说的是,技术都是相通的,明白了 vhr 中权限管理的原理,在此基础上就可以去细化权限管理粒度,细化过程和还是用的 vhr 中用的技术,只不过设计层面重新规划而已。 当然今天我想说的并不是这个话题,主要...
  • 数据挖掘面试 150 道题(附答案)

    万次阅读 多人点赞 2019-09-21 13:50:38
    1. 某超市研究销售纪录数据后发现,买啤酒的人很大概率也会购买尿布,这种属于数据挖掘的哪类问题?(A) A. 关联规则发现 B. 聚类 C. 分类 D. 自然语言处理 2. 以下两种描述分别对应哪两种对分类算法的评价标准...
  • 现代数据环境下,如何做数据集成?这11个靠谱实践收藏了
  • 数据挖掘 期末超重点习题含答案(必考)

    千次阅读 多人点赞 2021-12-15 19:27:38
    数据挖掘 期末超重点习题(不挂科) 一、 单选题 1. 某超市研究销售纪录数据后发现,买啤酒的人很大概率也会购买尿布,这种属于数据挖掘的哪类问题?(A) A. 关联规则发现 B. 聚类 C. 分类 D. 自然语言处理 2. ...
  • 拥有本篇文章,意味着你拥有一本完善的书籍,本篇文章整理了数据仓库领域,几乎所有的知识点。
  • 数据挖掘150道笔试题

    千次阅读 2020-11-29 01:24:53
    作者:白宁超2016年10月16日13:44:06摘要:正值找工作之际,数据挖掘150道面试题涵盖很多基础知识点,如果你针对求职提前针对性准备,可以以此为为参照检查自己水平,如果你不为求职,也可以针对这些基础佐以巩固,...
  • fgvc-aircraft-2013b是细粒度图像分类和识别研究中经典的benchmarks,它包含四种类型的标注: (1)按照manufacturer进行划分,可分为30个类别,例如ATR、Airbus、Antonov、Beechcraft、Boeing。 (2)按照...
  • 数据挖掘】期末复习模拟题(暨考试题)

    千次阅读 多人点赞 2021-12-15 16:29:11
    Python数据挖掘Python数据挖掘单选题多选题判断题程序填空程序分析 Python数据挖掘 单选题 什么是KDD ( ) ? A、数据挖掘与知识发现 B、领域知识发现 C、文档知识发现 D、态知识发现 人从出生到长大的过程中,是...
  • 构建对CIFAR-100数据集中的图像进行分类的CNN CIFAR-100 数据集与 CIFAR-...每张图片都有一个“细粒度”的标签,即表示它属于哪个类,以及一个“粗粒度”标签,即表示它属于哪个超类。 下面是 CIFAR-100 中的各个分类:
  • 来源:数据学堂本文来源于网络,如有侵权,联系浪尖删除:langjianliaodashuju全文共7596个字,建议阅读12分钟由于在变化快速的商业世界里,业务形态多种多样,为了能够更有针...
  • ②双击国家/地区,盈利标志->颜色 29、粒度、聚合与比率 1、粒度 粒度:源于Tableau的散点图,它表示数据的可理浓度 示例图形: ①创建粒度图形:利润->列,销售额->行,市场->颜色 ②添加详细信息可以使粒度浓度...
  • 不同于细粒度情感分析数据集中的句子级别数据、方面级情感标注,以及积极消极中性三种情感倾向,YELP 和 Amazon 中的评论为篇章级数据、整体情感标注,以及一星到五星的五种情感倾向。 我们提出以下抽取步骤,从 ...
  •         之前做的一个细粒度...数据集:斯坦福大学公开细粒度车型识别数据集,196类; 测试准确率达到94.13%。 深度学习框架:pytorch 下面是部分代码文件,有需要的联系我:wx:cx960814 ...
  • 粒度

    千次阅读 2018-11-22 15:30:31
    粒度 原文出处: https://www.ibm.com/support/knowledgecenter/zh/ssw_aix_71/com.ibm.aix.performance/lock_granularity.htm 一个在多处理器环境中工作的程序员必须决定对共享数据一定要创建多少单独的锁。...
  • [实战]200类鸟类细粒度图像分类

    万次阅读 多人点赞 2020-02-17 11:13:11
    [实战]200类鸟类细粒度分类识别 我又来了!!!! 一、图像分类 这次进行实战项目,鸟类细...图像分类模型随着数据集的增长,一步步提升到了今天的水平。计算机的图像分类水准已经超过了人类。 在这里我把图像分...
  • CDA数据分析师-数据分析练习题2套

    万次阅读 2021-02-02 06:16:28
    数据分析练习题1在线试卷链接:CDA认证考试 Level Ⅰ业务数据分析师模拟题 - CDA人工智能学院 - 数据科学与人工智能从业者的在线大学_AIU人工智能学院_经管之家_CDA数据分析师旗下​edu.cda.cn一、单选题1....

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 117,296
精华内容 46,918
关键字:

下面关于数据粒度