2026年数据库（数据挖掘）考题及答案.doc

2026年数据库（数据挖掘）考题及答案

（考试时间：90分钟 满分100分）
班级______ 姓名______

第I卷（选择题 共40分）
（总共8题，每题5分，每题给出的选项中，只有一项是符合题目要求的）

w1. 以下哪种算法不属于数据挖掘中的分类算法？
A. 决策树算法
B. 支持向量机算法
C. K均值算法
D. 朴素贝叶斯算法

w2. 数据挖掘中，频繁项集挖掘主要用于发现：
A. 数据之间的关联关系
B. 数据的聚类结果
C. 数据的分类模型
D. 数据的异常值

w3. 关于数据挖掘中的数据预处理，以下说法错误的是：
A. 数据清洗主要是处理缺失值、重复值等问题
B. 数据集成是将多个数据源合并成一个数据集
C. 数据转换就是对数据进行简单的格式转换
D. 数据归约可以减少数据量同时保持数据的特征

w4. 在决策树算法中，用于划分节点的属性选择度量不包括：
A. 信息增益
B. 信息增益率
C. 基尼指数
D. 相关系数

w5. 以下哪个是数据挖掘中监督学习的典型应用场景？
A. 客户细分
B. 文本分类
C. 聚类分析
D. 关联规则挖掘

w6. 数据挖掘中，提升算法主要用于：
A. 提高分类算法的准确性
B. 进行数据降维
C. 发现频繁项集
D. 处理数据不平衡问题

w7. 对于时间序列数据挖掘，常用的方法不包括：
A. 回归分析
B. 聚类算法
C. 趋势分析
D. 关联规则挖掘

w8. 数据挖掘中，模型评估常用的指标不包括：
A. 准确率
B. 召回率
C. F1值
D. 均方误差

第II卷（非选择题 共60分）

w9. （10分）简述数据挖掘的定义和主要任务。

w10. （15分）请详细说明支持向量机算法的原理及在数据挖掘中的应用。

w11. （15分）在数据挖掘中，如何进行数据特征选择？请列举至少三种方法并简要说明。

w12. （材料题 10分）
材料：某电商平台收集了大量用户的购物数据，包括购买商品种类、购买时间、购买金额等。
问题：请你设计一个数据挖掘方案，利用这些数据分析用户的购买行为模式，例如购买频率、购买高峰时段等。

w13. （材料题 20分）
材料：某医院收集了患者的病历数据，包括症状、诊断结果、治疗方法等。
问题：
（1）（10分）如何利用这些数据进行疾病预测？请简述思路。
（2）（10分）若要评估疾病预测模型的性能，你会使用哪些指标？

答案：
w1. C
w2. A
w3. C
w4. D
w5. B
w6. A
w7. D
w8. D
w9. 数据挖掘是从大量数据中提取潜在的、有价值的信息和知识的过程。主要任务包括分类、聚类、关联规则挖掘、异常检测、趋势分析等。
w10. 支持向量机算法通过寻找一个最优超平面来将不同类别的数据分开。在数据挖掘中，用于分类任务，能有效处理线性和非线性可分的数据。通过核函数将低维数据映射到高维空间，从而找到更好的分类边界。
w11. 方法一：信息增益，计算属性对分类的信息贡献，选择信息增益大的属性。方法二：基尼指数，衡量数据集的纯度，选择能降低基尼指数的属性。方法三：相关性分析，计算属性与类别之间的相关性，选择相关性高的属性。
w12. 首先对数据进行清洗预处理，去除无效数据。然后可以使用聚类算法将用户按购买行为聚类，分析各类别特点。利用时间序列分析购买时间模式，统计购买频率。通过关联规则挖掘发现商品之间的购买关联。
w13. （1）可以先对数据进行特征提取和选择，然后使用分类算法如决策树、支持向量机等构建疾病预测模型。通过训练模型来学习症状与疾病之间的关系，从而实现疾病预测。（2）评估指标可以用准确率、召回率、F1值等，用于衡量模型预测的正确性和完整性。