NEW
Font size
S
M
L
XL
Worksheetsdata mining k242 hcmut
Total questions: 40
Worksheet time: 20mins
Name
Class
Date
1.
Trong các bước sau, bước nào thuộc về quá trình khám phá tri thức trong cơ sở dữ liệu (KDD) những không phải là bản chất của khái niệm khai phá dữ liệu (data mining) ?
a)
Tìm mẫu dữ liệu lặp lại (frequent pattern) từ cơ sở dữ liệu
b)
Làm sạch và tiền xử lý dữ liệu (data preprocessing)
c)
Phân cụm dữ liệu theo đặc trưng tương đồng
d)
Phân loại dữ liệu vào các lớp đã xác định
e)
Tạo luật kết hợp giữa các thuộc tính dữ liệu
2.
Quá trình khám phá tri thức trong cơ sở dữ liệu (Knowledge Discovery in Databases – KDD) thường bao gồm các bước chính theo trình tự nào sau đây ?
a)
Khai phá dữ liệu → Đánh giá tri thức → Trình bày kết quả → Làm sạch dữ liệu
b)
Thu thập dữ liệu → Tiền xử lý → Tạo báo cáo → Lưu trữ dữ liệu
c)
Làm sạch dữ liệu → Tích hợp dữ liệu → Giảm dữ liệu → Chọn dữ liệu → Khai phá dữ liệu → Đánh giá mẫu → Trình bày tri thức
d)
Phân cụm dữ liệu → Biểu diễn → Lập báo cáo → Tổng hợp báo cáo
e)
Tìm mẫu → Gán nhãn dữ liệu → Truy vấn → Trực quan hóa kết quả
3.
Bước “Pattern Evaluation” trong quá trình khám phá tri thức (KDD) có vai trò gì ?
a)
Là bước tổng hợp dữ liệu từ nhiều nguồn để đảm bảo tính đầy đủ
b)
Là bước mã hóa dữ liệu để bảo mật quá trình khai phá
c)
Là bước loại bỏ dữ liệu không liên quan trước khi tiến hành khai phá
d)
Là bước xác định các mẫu được tìm thấy có thực sự hữu ích và giá trị hay không
e)
Là bước trực quan hóa kết quả thông qua biểu đồ và bảng
4.
Mục tiêu chính của quá trình khám phá tri thức trong cơ sở dữ liệu (Knowledge Discovery in Databases – KDD) là gì ?
a)
Xây dựng kho dữ liệu (data warehouse) để lưu trữ dữ liệu lịch sử
b)
Tối ưu hóa truy vấn dữ liệu để tăng hiệu suất
c)
Truy xuất thông tin cụ thể theo yêu cầu người dùng
d)
Phát hiện tri thức có ích và dễ hiểu từ khối lượng dữ liệu lớn
e)
Thiết kế cơ sở dữ liệu mới phù hợp cho hệ thống giao dịch
5.
Ví dụ nào sau đây là một ứng dụng điều hành của quá trình khám phá tri thức trong cơ sở dữ liệu (Knowledge Discovery in Databases – KDD) trong lĩnh vực thương mại điện tử ?
a)
Gửi email quảng cáo hàng loạt đến tất cả khách hàng
b)
Ghi chép số lượng sản phẩm trong kho hàng
c)
Sử dụng dữ liệu lịch sử mua hàng để gợi ý sản phẩm phù hợp cho khách hàng
d)
Lưu trữ thông tin khách hàng vào cơ sở dữ liệu
e)
Thiết kế giao diện website mua sắm thân thiện với người dùng
6.
Tác vụ nào sau đây không phải là tác vụ chính trong khai phá dữ liệu ?
a)
Phân lớp (Classification)
b)
Phân cụm (Clustering)
c)
Dự đoán (Prediction)
d)
Xây dựng cơ sở dữ liệu
e)
Phát hiện ngoại lệ (Outlier Detection)
7.
Thành phần “mẫu dữ liệu (pattern)” trong một tác vụ khai phá dữ liệu tổng quát được hiểu là gì?
a)
Là dữ liệu đầu vào được sử dụng để xây dựng mô hình khai phá
b)
Là tập luật hoặc cấu trúc được trích xuất từ dữ liệu, thể hiện tri thức tiềm ẩn
c)
Là giao diện người dùng sử dụng để nhập truy vấn dữ liệu
d)
Là thuật toán xử lý dữ liệu tốc độ cao
e)
Là tập các lỗi hoặc dữ liệu bị thiếu trong tập dữ liệu
8.
Trong mối quan hệ giữa khai phá dữ liệu (data mining) và quá trình khám phá tri thức trong cơ sở dữ liệu (Knowledge Discovery in Databases - KDD), phát biểu nào sau đây là đúng ?
a)
Khai phá dữ liệu là toàn bộ quá trình khám phá tri thức từ thu thập đến trình bày kết quả
b)
Khai phá dữ liệu và quá trình khám phá tri thức là hai thuật ngữ hoàn toàn giống nhau
c)
Khai phá dữ liệu là một bước trong quy trình khám phá tri thức trong cơ sở dữ liệu (KDD)
d)
Quá trình khám phá tri thức không bao gồm bước đánh giá kết quả còn khai phá dữ liệu thì có
e)
Khai phá dữ liệu được thực hiện sau khi kết thúc quy trình khám phá tri thức
9.
Trong một tác vụ khai phá dữ liệu tổng quát, thành phần nào thể hiện tiêu chí đánh giá chất lượng của mẫu phát hiện được ?
a)
Dữ liệu huấn luyện
b)
Không gian dữ liệu
c)
Đo độ tin cậy (Interestingness Measure)
d)
Biểu đồ trực quan
e)
Thuật toán khai phá
10.
Trong một giải thuật khai phá dữ liệu tổng quát, thành phần “hàm mục tiêu (objective function)” có vai trò gì ?
a)
Đánh giá xem dữ liệu đầu vào có đầy đủ hay không
b)
Xác định cấu trúc của cơ sở dữ liệu
c)
Hướng dẫn giải thuật tối ưu hóa kết quả khai phá theo tiêu chí cụ thể
d)
Lưu trữ toàn bộ mẫu đã khai phá được vào bộ nhớ
e)
Xác định cách trình bày kết quả đầu ra theo đồ thị hay bảng
11.
Trong các tác vụ khai phá dữ liệu dưới đây, đâu là tác vụ giúp chia dữ liệu thành các nhóm sao cho các đối tượng trong cùng nhóm có tính chất tương tự nhau ?
a)
Phân lớp (Classification)
b)
Phát hiện ngoại lệ (Outlier Detection)
c)
Phân cụm (Clustering)
d)
Dự đoán (Prediction)
e)
Khai phá luật kết hợp (Association Rule Mining)
12.
Trong các quá trình sau của một thuật toán khai phá dữ liệu, đâu là thành phần chịu trách nhiệm sinh ra các ứng viên mẫu mới ?
a)
Dữ liệu huấn luyện (Training data)
b)
Cấu trúc lưu trữ (Storage structure)
c)
Cơ chế tìm kiếm (Search procedure)
d)
Mô hình đánh giá (Evaluation model)
e)
Giao diện trực quan
13.
Trong quy trình CRISP-DM giai đoạn “Data preparation - Chuẩn bị dữ liệu” chủ yếu bao gồm hoạt động nào sau đây ?
a)
Đánh giá mức độ phù hợp của mô hình khai phá
b)
Trình bày kết quả khai phá dữ liệu cho nhà quản lý
c)
Làm sạch dữ liệu, chọn thuộc tính và định dạng lại (biến đổi) dữ liệu
d)
Xây dựng cây quyết định hoặc mạng nơ-ron
e)
Xác định mục tiêu kinh doanh ban đầu của dự án
14.
Trong lĩnh vực y tế, khai phá dữ liệu có thể được ứng dụng vào hoạt động nào sau đây ?
a)
Thiết kế giao diện phần mềm quản lý bệnh viện
b)
Lưu trữ ảnh chụp X-quang vào hệ thống cơ sở dữ liệu
c)
Phân tích hồ sơ bệnh án để dự đoán nguy cơ mắc bệnh mãn tính của bệnh nhân
d)
Gửi email nhắc khám định kỳ cho bệnh nhân
e)
Tính toán chi phí thuốc men theo ngày nằm viện
15.
Trong ngành ngân hàng - tài chính, một ứng dụng phổ biến của khai phá dữ liệu là gì ?
a)
Thiết kế logo mới cho ngân hàng
b)
Gửi tin nhắn chúc mừng sinh nhật khách hàng
c)
Phát hiện các giao dịch gian lận dựa trên phân tích hành vi giao dịch bất thường
d)
Lưu trữ hợp đồng vay vốn theo định dạng PDF
e)
Lập luận làm việc cho nhân viên tại chi nhánh
16.
Điểm khác biệt cơ bản giữa hệ thống khai phá dữ liệu (data mining system) và hệ thống truy hồi thông tin (information retrieval system) là gì ?
a)
Hệ thống khai phá dữ liệu lưu trữ dữ liệu, còn hệ thống truy hồi thì không
b)
Hệ thống truy hồi thông tin không thể tìm kiếm theo từ khóa
c)
Hệ thống khai phá dữ liệu tìm mẫu ẩn trong dữ liệu, còn hệ thống truy hồi thông tin chỉ tìm kiếm dữ liệu phù hợp với truy vấn đã xác định
d)
Hệ thống khai phá dữ liệu vừa cần phải có kết nối internet, còn hệ thống truy hồi không cần
e)
Hệ thống truy hồi thông tin luôn có độ chính xác cao hơn khai phá dữ liệu
17.
Quy trình khai phá dữ liệu chuẩn CRISP-DM (Cross-Industry Standard Process for Data Mining) bao gồm mấy giai đoạn chính ?
a)
3 giai đoạn: Tiền xử lý, khai phá dữ liệu, đánh giá kết quả
b)
4 giai đoạn: Thu thập dữ liệu, phân tích, trình bày, lưu trữ
c)
5 giai đoạn: Thu thập, chuẩn hóa, khai phá, kiểm tra, báo cáo
d)
6 giai đoạn: Hiểu biết nghiệp vụ, hiểu biết dữ liệu, chuẩn bị dữ liệu, mô hình hóa, đánh giá, triển khai
e)
7 giai đoạn: Phân tích nghiệp vụ, trích xuất dữ liệu, chọn thuật toán, huấn luyện, kiểm tra, triển khai, bảo trì
18.
So với hệ thống học máy (machine learning system), hệ thống khai phá dữ liệu (data mining system) có đặc điểm nào sau đây ?
a)
Không sử dụng bất kỳ kỹ thuật học nào
b)
Không cần xử lý dữ liệu đầu vào
c)
Tập trung vào khai thác tri thức từ tập dữ liệu lớn có sẵn, thay vì chỉ tập trung tối ưu hóa mô hình như trong học máy
d)
Chỉ dùng để dự đoán thời tiết
e)
Hoạt động chủ yếu trên dữ liệu văn bản chưa có cấu trúc
19.
Trong các ví dụ sau, đâu là ứng dụng tiêu biểu của hồi quy trong thực tế ?
a)
Phân tích mức độ hài lòng của khách hàng dựa trên ý kiến phản hồi
b)
Phát hiện gian lận tài chính trong giao dịch ngân hàng
c)
Dự đoán giá nhà trong tương lai dựa trên diện tích, vị trí và tiện nghi
d)
Phân loại email là spam hay không spam
e)
Nhóm khách hàng theo hành vi tiêu dùng
20.
Phát biểu nào sau đây mô tả đúng hồi quy tuyến tính đơn biến (linear regression) ?
a)
Dự đoán nhãn phân loại đầu ra nhị phân
b)
Sử dụng cây quyết định để tạo ra các ngưỡng phân chia dữ liệu
c)
Mô hình hóa mối quan hệ giữa một biến đầu ra và một biến đầu vào bằng một hàm tuyến tính
d)
Phát hiện các cụm dữ liệu không giám sát
e)
Phân tích sự tương quan logic giữa các luật kết hợp
21.
Trong khai phá dữ liệu, phân loại (classification) là gì ?
a)
Nhóm các đối tượng dữ liệu thành các cụm chưa biết trước
b)
Dự đoán một giá trị số liên tục dựa trên các biến đầu vào
c)
Xác định luật kết hợp giữa các thuộc tính dữ liệu
d)
Gán nhãn cho một đối tượng mới dựa trên một mô hình đã học từ dữ liệu có nhãn
e)
Xác định các một quan hệ logic giữa dữ liệu rời rạc
22.
Tác vụ hồi quy (regression) trong khai phá dữ liệu là gì ?
a)
Phân nhóm các đối tượng dữ liệu không có nhãn thành các cụm tương tự nhau
b)
Dự đoán một giá trị số liên tục dựa trên dữ liệu đầu vào
c)
Phát hiện các mối quan hệ ràng buộc giữa các thuộc tính trong một cơ sở dữ liệu
d)
Tìm kiếm và hiển thị dữ liệu khớp với truy vấn người dùng
e)
Đánh giá tính đầy đủ và chính xác của cơ sở dữ liệu
23.
Điểm khác biệt chính giữa hệ thống khai phá dữ liệu (data mining system) và hệ cơ sở dữ liệu diễn dịch (deductive database system) là gì ?
a)
Hệ cơ sở dữ liệu diễn dịch chỉ hoạt động đúng trên dữ liệu ảnh và video
b)
Hệ khai phá dữ liệu có khả năng cập nhật dữ liệu thời gian thực
c)
Hệ khai phá dữ liệu khám phá mẫu mới từ dữ liệu, trong khi hệ cơ sở dữ liệu diễn dịch suy luận thông tin mới dựa trên luật đã biết
d)
Hệ cơ sở dữ liệu diễn dịch không sử dụng cơ sở dữ liệu quan hệ
e)
Cả hai hệ thống đều không dùng bất kỳ phép logic nào
24.
Phát biểu nào sau đây là ví dụ với tác vụ phân loại dữ liệu ?
a)
Dự đoán doanh thu cửa hàng trong tháng tới
b)
Tìm kiếm sản phẩm tương tự trong kho hàng
c)
Dự đoán một email là “spam” hay “không spam” dựa trên nội dung thư
d)
Nhóm sản phẩm theo mức giá cao - thấp - trung bình
e)
Tìm luật kết hợp giữa sản phẩm A và sản phẩm B trong giỏ hàng
25.
Phát biểu nào sau đây là ví dụ phù hợp nhất cho tác vụ gom cụm dữ liệu ?
a)
Phân nhóm khách hàng thành các phân khúc theo hành vi tiêu dùng mà không biết trước các nhóm này
b)
Dự đoán giá cổ phiếu trong tháng tới
c)
Gắn nhãn cho hình ảnh thành “mèo” hoặc “chó”
d)
Phát hiện các giao dịch gian lận trong dữ liệu tài chính
e)
Xác định sản phẩm thường mua chung trong giỏ hàng
26.
Trong khai phá dữ liệu, luật kết hợp (association rule) là gì ?
a)
Luật logic được sử dụng để kiểm tra tính hợp lệ của các truy vấn SQL
b)
Mối liên hệ dạng “nếu ... thì ...” giữa các mục trong tập dữ liệu thường được phát hiện từ các tập mục thường xuyên (frequent itemsets)
c)
Một thuật toán để phân cụm dữ liệu không giám sát
d)
Luật thống kê dùng trong hồi quy tuyến tính bội
e)
Mô hình học máy được huấn luyện trên dữ liệu có nhãn
27.
Chỉ số nào sau đây đại diện cho giá trị trung bình cộng của một tập dữ liệu ?
a)
Trung vị (Median)
b)
Tần suất (Frequency)
c)
Trung bình (Mean)
d)
Phương sai (Variance)
e)
Độ lệch chuẩn (Standard Deviation)
28.
Trong tập dữ liệu, độ lệch chuẩn (standard deviation) có vai trò gì ?
a)
Cho biết giá trị trung bình của dữ liệu
b)
Cho biết giá trị phổ biến nhất trong tập dữ liệu
c)
Đo mức độ phân tán hoặc biến thiên của dữ liệu xung quanh giá trị trung bình
d)
Đo tỷ lệ xuất hiện của mỗi giá trị trong dữ liệu
e)
Xác định độ dốc của đường hồi quy tuyến tính
29.
Trong khai phá dữ liệu, tác vụ gom cụm (clustering) được hiểu là gì ?
a)
Gán nhãn cho dữ liệu mới dựa trên mô hình học từ dữ liệu có nhãn
b)
Nhóm các đối tượng dữ liệu thành cụm sao cho các đối tượng trong cùng cụm có tính chất tương đồng, mà không cần nhãn trước
c)
Phân tích mối quan hệ nhân quả giữa các biến trong dữ liệu
d)
Tìm kiếm dữ liệu phù hợp với một truy vấn văn bản cụ thể
e)
Ước lượng giá trị liên tục cho một thuộc tính số
30.
Trong khai phá dữ liệu, nhiễu (noise) trong tập dữ liệu được hiểu là gì ?
a)
Các giá trị bị thiếu (missing value)
b)
Các thuộc tính không liên quan đến bài toán khai phá
c)
Các giá trị bị lặp lại nhiều lần trong dữ liệu
d)
Dữ liệu sai lệch, không chính xác hoặc không phản ánh đúng thực tế
e)
Các cụm dữ liệu được phân nhóm sai
31.
Kỹ thuật biến đổi dữ liệu nào sau đây giúp chuẩn hóa dữ liệu số về khoảng (0; 1] ?
a)
Chuẩn hóa F-score
b)
Rời rạc hóa dữ liệu
c)
Chuẩn hóa min-max (Min-max normalization)
d)
Phân nhóm dữ liệu bằng trung vị
e)
Loại bỏ các thuộc tính rời rạc
32.
Kỹ thuật rời rạc hóa dữ liệu (discretization) thường được sử dụng khi nào ?
a)
Khi muốn thay thế dữ liệu bị thiếu bằng giá trị trung bình
b)
Khi cần loại bỏ các phần tử ngoại biên
c)
Khi muốn giảm số chiều của dữ liệu
d)
Khi muốn chuyển đổi thuộc tính liên tục thành thuộc tính rời rạc (dạng nhóm hoặc khoảng giá trị)
e)
Khi kết hợp nhiều tập dữ liệu từ các nguồn khác nhau
33.
Kỹ thuật tổng quát hóa dữ liệu (data generalization) là gì ?
a)
Loại bỏ các dòng trùng lặp trong dữ liệu
b)
Biến đổi dữ liệu chi tiết thành dữ liệu cấp độ khái quát hơn dựa trên lưới khái niệm
c)
Chuyển đổi dữ liệu văn bản sang số
d)
Chuẩn hóa dữ liệu về khoảng (0, 1]
e)
Phân cụm dữ liệu thành nhóm đồng nhất
34.
Trong khai phá dữ liệu, kỹ thuật smoothing thường được sử dụng với mục đích gì ?
a)
Làm rõ giá trị trung bình
b)
Phát hiện luật kết hợp giữa các thuộc tính
c)
Làm giảm nhiễu trong dữ liệu số bằng cách làm mượt giá trị thuộc tính
d)
Chuẩn hóa dữ liệu về phân phối chuẩn
e)
Phân tích tần suất xuất hiện thuộc tính
35.
Trong khai phá dữ liệu, mục tiêu chính của thu giảm dữ liệu (data reduction) là gì ?
a)
Làm tăng độ phân giải dữ liệu
b)
Chuẩn hóa dữ liệu về cùng đơn vị đo
c)
Giảm kích thước dữ liệu nhưng vẫn giữ thông tin quan trọng
d)
Làm cho dữ liệu trở nên ngẫu nhiên hơn
e)
Loại bỏ hoàn toàn dữ liệu trùng lặp
36.
Phương pháp sampling (lấy mẫu) thuộc loại kỹ thuật nào trong thu giảm dữ liệu ?
a)
Thu giảm thuộc tính
b)
Thu giảm chiều dữ liệu
c)
Thu giảm kích thước dữ liệu bằng cách chọn một phần đại diện cho toàn bộ tập dữ liệu
d)
Tổng quát hóa thuộc tính
e)
Trích xuất đặc trưng văn bản
37.
Kỹ thuật nào sau đây giúp giảm số lượng thuộc tính mà vẫn giữ lại các thuộc tính quan trọng ?
a)
Sampling
b)
Smoothing
c)
Feature selection (trích chọn thuộc tính)
d)
Binning
e)
Min-max normalization
38.
Phát biểu nào sau đây đúng về tổng hợp dữ liệu (data aggregation) ?
a)
Là quá trình làm sạch dữ liệu bằng thuật toán heuristic
b)
Là bước chuẩn bị dữ liệu bằng cách tạo bản sao dữ liệu
c)
Là quá trình phân cụm dữ liệu dựa trên thuộc tính tương đồng
d)
Là quá trình gộp nhóm và tính toán (như trung bình, tổng) để tạo ra tập dữ liệu mới gọn hơn
e)
Là phương pháp rời rạc hóa thuộc tính liên tục
39.
Trong kỹ thuật giảm dữ liệu bằng binning điều nào sau đây là mục tiêu chính ?
a)
Tăng số lượng thuộc tính để tăng độ chi tiết cho dữ liệu
b)
Loại bỏ hoàn toàn các dòng có giá trị trùng lặp
c)
Chia dữ liệu liên tục thành các đoạn bins để làm mượt dữ liệu và giảm nhiễu
d)
Kết hợp nhiều tập dữ liệu từ các nguồn khác nhau
e)
Phân nhóm dữ liệu thành các lớp rời rạc có nhãn
40.
Phát biểu nào sau đây là đúng nhất khi nói về ưu điểm của thu giảm dữ liệu ?
a)
Giúp giảm thời gian phân cụm bằng cách tăng số lượng thuộc tính
b)
Giảm độ phức tạp tính toán và tăng hiệu suất mô hình khai phá dữ liệu
c)
Tăng tính ngẫu nhiên trong kết quả dự đoán
d)
Tăng số lượng mẫu để cải thiện độ chính xác mô hình
e)
Loại bỏ hoàn toàn các giá trị bị thiếu
Reset
