OUC2024春-数据分析与数据挖掘-期末（回忆版）

 一、填空题（5题10分）
1.数据清洗试图填充空缺的值、识别孤立点、消除______，并纠正数据中的不一致性。
2.协同过滤分为基于用户的协同过滤方法和__________。
3.属于______的属性类别通常是符号或实物的名称，是分类型的属性。
4.数据变换是指______。
5.贝叶斯是用_____概率进行预测的。

二、简答题（8题75分）
    1.数据规范化是什么意思？具体举例说明（5分）
    2.若有已知分类的数据集，现有一个新的数据，要进行分类，可以使用什么方法？说出过程。（无需预训练）
    3.C4.5算法与ID3算法有什么区别？为什么要做这种改进？
    4.卷积层是怎么运作的？有什么作用？
    5.全连接层一般处于卷积网络的后面几层，这是为什么？
    6.在文本检索技术中用TF不如用TF-IDF，这是为什么？请举例说明
    7.请说出Apriori算法的思想，以及怎么在事务数据集中求取频繁相集。
    8.请说出深度学习比其他传统的学习方法更有效的原因。

三、分析计算题（15分）
现有一卷积神经网络，有一个输入层，一个卷积层，一个池化层，采用最大池化，一个全连接层，一个输出层，输入的图像大小：（32＊32＊3）
卷积层内：
卷积核个数：16
卷积核大小：（3＊3＊3）
步长：1
填充：10
池化层内：
卷积核大小：（2＊2）
步长：2

（1）求经过卷积层后输出的特征图像大小
（2）求经过池化层后输出的特征图像大小
（3）全连接层有10个神经元，用于10分类问题，问输入的特征个数（大概）