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、隨機型

4.在企業(yè)危機管理及其預(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

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

B、不同點

C、屬性

D、值

7.可視化是給人看的，（ ）是給機器看的。

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)挖掘的主要特點有（ ）。

A、對商業(yè)數(shù)據(jù)庫中的大量業(yè)務(wù)數(shù)據(jù)進行抽取、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