東財《大數(shù)據(jù)——概念、方法與應(yīng)用》單元作業(yè)2

共20道題 總分：100分

一、單選題(共10題，50分)

1.導(dǎo)入與預(yù)處理過程的特點(diǎn)和挑戰(zhàn)是（ ）。

A、數(shù)據(jù)量大，導(dǎo)致企業(yè)不堪重負(fù)

B、成本增長速度快

C、隱私安全

D、以上選項都不正確

2.回歸分析方法反映的是將事務(wù)數(shù)據(jù)庫中屬性值在（ ）的特征。

A、地點(diǎn)上

B、空間上

C、時間上

D、以上都不是

3.K-Means算法不適合處理（ ）屬性。

A、連續(xù)型

B、離散型

C、穩(wěn)定型

D、隨機(jī)型

4.在企業(yè)危機(jī)管理及其預(yù)警中，管理者更感興趣的是（ ）。

A、關(guān)聯(lián)規(guī)則

B、意外規(guī)則

C、依賴規(guī)則

D、相關(guān)規(guī)則

5.聚類分析目的是使得屬于同一類別的數(shù)據(jù)間的相似性盡可能（ ）。

A、小

B、大

C、相同

D、隨機(jī)

6.數(shù)據(jù)挖掘的分類方法是找出數(shù)據(jù)庫中一組數(shù)據(jù)對象的（ ）并按照分類模式將其劃分為不同的類。

A、共同點(diǎn)

B、不同點(diǎn)

C、屬性

D、值

7.可視化是給人看的，（ ）是給機(jī)器看的。

A、數(shù)據(jù)質(zhì)量和管理

B、數(shù)據(jù)挖掘

C、預(yù)測性分析

D、語音引擎

8.（ ）需要被設(shè)計成能夠從“文檔”中智能提取信息。

A、可視化分析

B、數(shù)據(jù)挖掘

C、預(yù)測性分析

D、語音引擎

9.半結(jié)構(gòu)化的數(shù)據(jù)分析需求可以使用（ ）。

A、GreenPlum

B、Exadata

C、Infobright

D、Hadoop

10.在大數(shù)據(jù)的采集過程中，其主要的特點(diǎn)和挑戰(zhàn)是（ ）。

A、安全

B、隱私

C、并發(fā)數(shù)高

D、死鎖

二、多選題(共5題，25分)

1.從商業(yè)層面上看，數(shù)據(jù)挖掘的主要特點(diǎn)有（ ）。

A、對商業(yè)數(shù)據(jù)庫中的大量業(yè)務(wù)數(shù)據(jù)進(jìn)行抽取、轉(zhuǎn)換

B、對商業(yè)數(shù)據(jù)庫中的大量業(yè)務(wù)數(shù)據(jù)進(jìn)行分析

C、對商業(yè)數(shù)據(jù)庫中的大量業(yè)務(wù)數(shù)據(jù)進(jìn)行其他模型化處理

D、從商業(yè)數(shù)據(jù)庫中提取輔助商業(yè)決策的關(guān)鍵性數(shù)據(jù)

2.挖掘的特點(diǎn)和挑戰(zhàn)有（ ）。

A、挖掘的算法很復(fù)雜

B、涉及的數(shù)據(jù)量很大

C、計算量很大

D、數(shù)據(jù)處理簡單

3.數(shù)據(jù)挖掘出的知識表現(xiàn)為（ ）。

A、可接受的

B、可理解的

C、可運(yùn)用的

D、有規(guī)則的

4.下列選項中，屬于數(shù)據(jù)挖掘功能的有（ ）。

A、自動預(yù)測趨勢和行為

B、關(guān)聯(lián)分析

C、聚類

D、概念描述

5.概念描述分析（ ）。

A、特征性描述

B、區(qū)別性描述

C、共同性描述

D、關(guān)聯(lián)性描述

三、判斷題(共5題，25分)

1.用戶在導(dǎo)入時是不可以進(jìn)行一些簡單的清洗和預(yù)處理工作的。( )

A、對

B、錯

2.K-Means算法是用均值算法把數(shù)據(jù)分成K個類的算法。( )

A、對

B、錯

3.K-Means算法對符號屬性的數(shù)據(jù)特別有利。( )

A、對

B、錯

4.商業(yè)層面上的數(shù)據(jù)挖掘是為商業(yè)決策提供真正有價值的信息。( )

A、對

B、錯

5.數(shù)據(jù)挖掘算法僅僅是處理大數(shù)據(jù)的量。( )

A、對

B、錯

奧鵬，國開，廣開，電大在線，各省平臺，新疆一體化等平臺學(xué)習(xí)
詳情請咨詢QQ : 3230981406或微信:aopopenfd777