2020 数据仓库与商业智能核心技术(大连理工大学) 最新满分章节测试答案
本答案对应课程为:点我自动跳转查看
本课程起止时间为:2020-02-24到2020-05-30
本篇答案更新状态:已完结
第一讲 绪论 第一讲测试
1、 问题:以下关于分析型数据，正确的是
选项：
A:分析型数据是可更新的
B:分析型数据一次操作的数据量较大
C:分析型数据是事务驱动的
D:分析型数据关注细节
答案: 【分析型数据一次操作的数据量较大】
2、 问题:以下哪些属于监督学习？
选项：
A:朴素贝叶斯
B:支持向量机
C:聚类
D:决策树
答案: 【朴素贝叶斯;
支持向量机;
决策树】
3、 问题:数据挖掘可以挖掘的数据模式有？
选项：
A:聚类分析
B:预测分析
C:关联与相关性
D:离群点分析
答案: 【聚类分析;
预测分析;
关联与相关性;
离群点分析】
4、 问题:半监督学习中，无标签数据的数量远大于有标签数据的数量
选项：
A:正确
B:错误
答案: 【正确】
5、 问题:有监督学习是分类同时定性的，而无监督学习是先聚类后定性的
选项：
A:正确
B:错误
答案: 【正确】
第二讲 数据仓库与OLAP 第二讲测试
1、 问题:下列有关数据立方体的说法正确的是？
选项：
A:在多维数据模型中，数据以数据立方体的形式存在
B:数据立方体是三维的
C:数据立方体只能有一个事实
D:数据立方体只能用于数据集市，不能用于数据仓库的设计
答案: 【在多维数据模型中，数据以数据立方体的形式存在】
2、 问题:ETL不包括？
选项：
A:Extract
B:Transform
C:Load
D:Transfer
答案: 【Transfer】
3、 问题:数据仓库的特征是？
选项：
A:面向主题的
B:集成额
C:稳定的
D:具有时间特征的
答案: 【面向主题的;
集成额;
稳定的;
具有时间特征的】
4、 问题:OLAP的基本操作不包括？
选项：
A:切片
B:修改
C:删除
D:旋转
答案: 【修改;
删除】
5、 问题:下列说法正确的是？
选项：
A:数据集市是小型的数据仓库
B:数据仓库的数据源可来自不同的业务系统
C:数据仓库定期接受数据，因此数据仓库是不稳定的
D:数据仓库存储的一般都是综合性、历史的数据，数据一般不会更新。
答案: 【数据集市是小型的数据仓库;
数据仓库的数据源可来自不同的业务系统;
数据仓库存储的一般都是综合性、历史的数据，数据一般不会更新。】
第三讲 聚类分析 第三讲测试
1、 问题:以下哪些方法可以确定K-均值算法已经收敛？
选项：
A:划分不再改变
B:聚类中心不再改变
C:固定次数的迭代
D:以上三种均是
答案: 【以上三种均是】
2、 问题:以下哪些算法可以处理非高斯数据？
选项：
A:K-means算法
B:EM算法
C:谱聚类算法
D:以上三种算法都可以
答案: 【谱聚类算法】
3、 问题:无监督学习可以应用于哪些方面？
选项：
A:图像压缩
B:生物信息学：学习基因组
C:客户细分（即分组）
D:学习没有任何标签的聚类/群组
答案: 【图像压缩;
生物信息学：学习基因组;
客户细分（即分组）;
学习没有任何标签的聚类/群组】
4、 问题:以下哪些选项是K-均值聚类面临的问题？
选项：
A:K的选择具有挑战性
B:硬聚类并不总是正确的
C:贪婪算法存在的问题
D:关于数据的球形假设（到聚类中心的距离）
答案: 【K的选择具有挑战性;
硬聚类并不总是正确的;
贪婪算法存在的问题;
关于数据的球形假设（到聚类中心的距离）】
5、 问题:聚类可以应用于哪些方面？
选项：
A:基因表达数据的研究
B:面部聚类
C:搜索结果聚类
D:新闻搜索
答案: 【基因表达数据的研究;
面部聚类;
搜索结果聚类;
新闻搜索】
6、 问题:在K-均值算法中，以下哪些方法可以用于随机种子的选择？
选项：
A:随机选择数据作为中心
B:空间中的随机位置作为中心
C:尝试多个初始起点
D:使用另一个聚类方法的结果进行初始化
答案: 【随机选择数据作为中心;
空间中的随机位置作为中心;
尝试多个初始起点;
使用另一个聚类方法的结果进行初始化】
7、 问题:EM算法可以应用于以下哪些方面？
选项：
A:学习贝叶斯网络的概率
B:EM-聚类
C:训练HMM
D:学习微信好友网络
答案: 【学习贝叶斯网络的概率;
EM-聚类;
训练HMM;
学习微信好友网络】
8、 问题:聚类算法中的谱聚类算法是一种分层算法。
选项：
A:正确
B:错误
答案: 【错误】
分析：【聚类算法中的谱聚类算法是一种扁平算法。】
9、 问题:两个向量之间的余弦距离等于1减这两个向量的余弦相似度。
选项：
A:正确
B:错误
答案: 【正确】
10、 问题:K-均值++算法能够克服最远点不能处理离群值的问题。
选项：
A:正确
B:错误
答案: 【正确】
11、 问题:K-means和EM聚类之间的主要区别之一是EM聚类是一种“软”聚类算法。
本文章不含期末不含主观题！！
本文章不含期末不含主观题！！
支付后可长期查看
有疑问请添加客服QQ 2356025045反馈
如遇卡顿看不了请换个浏览器即可打开
请看清楚了再购买哦，电子资源购买后不支持退款哦
