2.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
C.Precision,ROC
D.Recall,ROC
3.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
D.数据流挖掘
4.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
C.关联分析
D.隐马尔可夫链
5.什么是KDD？(A)
B.领域知识发现
C.文档知识发现
D.动态知识发现
A.探索性数据分析
B.建模描述
D.寻找模式和规则
A.根据内容检索
A变量代换
B离散化
C聚集
D估计遗漏值
11.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，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
12.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，等宽划分时（宽度为50），15又在哪个箱子里？(A)
13.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
14.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
A嵌入
B过滤
C包装
D抽样
C映射数据到新的空间
17.考虑值集{1、2、3、4、5、90}，其截断均值（p=20%）是(C)
A2
B3
C3.5
D5
18.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
C渐进抽样
D维归约
19.熵是为消除不确定性所需要获得的信息量，投掷均匀正六面体骰子的熵是：(B)
A1比特
B2.6比特
C3.2比特
D3.8比特
20.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)
A0.821
B1.224
C1.458
D0.716
21.假定用于分析的数据包含属性age。数据元组中age的值如下（按递增序）：13，15，16，16，19，20，20，21，22，22，25，25，25，30，33，33，35，35，36，40，45，46，52，70,问题：使用按箱平均值平滑方法对上述数据进行平滑，箱的深度为3。第二个箱子值为：(A)
A18.3
B22.6
C26.8
D27.9
22.考虑值集{12243324556826}，其四分位数极差是：(A)
A31
B24
C55
D3
B饼图
C曲面图
D矢量场图
24.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
B.捕捉到的新数据会覆盖原来的快照;
26.关于基本数据的元数据是指:(D)
C.基本元数据包括日志文件和简历执行处理的时序调度信息;
D.基本元数据包括关于装载和更新处理，分析处理以及管理方面的信息;
27.下面关于数据粒度的描述不正确的是:(C)
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.在测试之前没必要制定详细的测试计划.
A.在线性;
B.对用户的快速响应;
C.互操作性.
D.多维分析;
(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)
32.OLAM技术一般简称为“数据联机分析挖掘”，下面说法正确的是:(D)
C.基于WEB的OLAM是WEB技术与OLAM技术的结合.
D.OLAM服务器通过用户图形接口接收用户的分析指令，在元数据的指导下，对超级立方体作一定的操作.
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.
A、4
B、5
C、6
D、7
35.频繁项集、频繁闭项集、最大频繁项集之间的关系是：(C)
A、频繁项集频繁闭项集=最大频繁项集
B、频繁项集=频繁闭项集最大频繁项集
C、频繁项集频繁闭项集最大频繁项集
D、频繁项集=频繁闭项集=最大频繁项集
36.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
37.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}>
38.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
39.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
40.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
41.下面购物篮能够提取的3-项集的最大数量是多少（C）
ID购买项
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
42.以下哪些算法是分类算法？（B）
A、DBSCAN
B、C4.5
C、K-Means
D、EM
43.以下哪些分类方法可以较好地避免样本的不平衡问题？（A）
C，Bayes
A,根结点（rootnode)
B,内部结点（internalnode）
C,外部结点（externalnode）
D,叶结点（leafnode）
46.在基于规则的分类器中，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。
47.以下哪些算法是基于规则的分类器(A)
A.C4.5
C.NaiveBayes
D.ANN
48.如果规则集R中不存在两条规则被同一条记录触发，则称R中的规则为（C）；
A,无序规则
B，穷举规则
C，互斥规则
D，有序规则
49.如果对属性值的任一组合，规则集R中都存在一条规则加以覆盖，则称R中的规则为(B)
50.如果规则集中的规则按照优先级降序排列，则称规则集是(D)
51.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）
52.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
C，训练ANN是一个很耗时的过程
A，组合(ensemble)
B，聚集(aggregate)
C，合并(combination)
D，投票(voting)
A、曼哈顿距离
B、平方欧几里德距离
C、余弦距离
D、Bregman散度
57.（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
58.BIRCH是一种（B）。
A、分类器
C、关联分析算法
A、统计方法
B、邻近度
C、密度
A、MIN（单链）
B、MAX（全链）
C、组平均
D、Ward方法
二、多选题
B.决定如何量化和比较不同表示拟合数据的好坏
C.选择一个算法过程使评分函数最优
D.决定用什么样的数据管理原则以高效地实现算法。
B.回归
C.模式发现
D.模式匹配
A.模型或模型结构
B.评分函数
C.优化和搜索方法
D.数据管理策略
64.下列何种算法可以帮助我们做数值的预测(Prediction)？(B,D)
65.在现实世界的数据中，元组在某些属性上缺少值是常有的。描述处理该问题的各种方法有：(ＡＢＣＤ)
A忽略元组
B使用属性的平均值填充空缺值
C使用一个全局常量填充空缺值
D使用与给定元组属同一类的所有样本的平均值
A不一致
B重复
C不完整
D含噪声
68.下列属于不同的有序数据的有：(ＡＢＣ)
A时序数据
B序列数据
D事务数据
69.下面属于数据集的一般特性的有：(BCD)
A连续性
B维度
C稀疏性
D分辨率
70.下面属于维归约常用的线性代数技术的有：(AC)
A主成分分析
C奇异值分解
A.数据的抽取
B.存储和管理
C.数据的表现
74.联机分析处理包括以下哪些基本分析功能？(BCD)
B.切片
C.转轴
D.切块
立刻扫码
看更多数据分析师认证试题
——学数据分析技能一定要了解的大厂入门券，CDA数据分析师认证证书！
CDA（数据分析师认证），与CFA相似，由国际范围内数据科学领域行业专家、学者及知名企业共同制定并修订更新，迅速发展成行业内长期而稳定的全球大数据及数据分析人才标准，具有专业化、科学化、国际化、系统化等特性。
同时，CDA全栈考试布局和认证体系已得到社会认可，并由为IBM、华为等提供全球认证服务的PearsonVUE面向全球提供灵活的考试服务。