Sunteți pe pagina 1din 4

siad4

TRUE/FALSE
1.

Depozitele de date se preteaz foarte bine ca surse pentru data mining iar
rezultatele furnizate de acesta pot completa cmpurile nregistrrilor celor dinti
i pot fi valorificate apoi prin proieciile multidimensionale specifice OLAP.
ANS: T
2.

Cutarea nedirijat a cunostintelor din datamining ia n considerare un atribut


sau un cmp, ale crui valori ncearc s le explice prin celelalte cmpuri. Este
cea mai folosit n practic.
ANS: F

3.

Cutarea dirijat a cunostintelor in dataminig are ca scop identificarea


relaiilor sau structurilor existente n ansamblul datelor examinate, fr a acorda
prioritate unui cmp sau altul. Dei mai spectaculoas, n practic se recurge
mult mai puin la ea dect la cutarea dirijat.
ANS: F
4.

Urmatoarele sunt cele mai folosite tehnici dataminig:


reelele neuronale
arborii de decizie
algoritmii genetici
analiza grupurilor
raionamentele bazate pe cazuri
analiza legturilor
ANS: T
5.

Orice model informatic care va efectua explorarea propriu-zis are o durat de


via nelimitat.
ANS: F

6.

n faa diversitii factorilor ce acioneaz n realitatea economico-social


actual, aplicarea unei singure tehnici de data mining poate conduce la rezultate
nesemnificative sau la o lips complet de rezultate. Combinarea tehnicilor
permite obinerea unei viziuni mai largi i mai diversificate, cu implicaii lesne
de ntrevzut asupra actului decizional, chiar dac acest lucru este mai costisitor.
ANS: T

MULTIPLE CHOICE
1.

Prin tehnologia Data Mining, se prelucreaza date care se refera la:


perioade anterioare (date istorice), c. perioade anterioare (date istorice)
care sunt examinate si sunt deja
si perioade viitoare (date
cunoscute, pe baza lor
viitoare), care sunt examinate pe
constituindu-se un model
baza flerului analistilor, pe baza
lor constituindu-se un model
b. perioade viitoare (date viitoare), d. perioade anterioare (date istorice),
care sunt presupuse si nu sunt
care nu pot fi examinate din cauza
cunoscute, pe baza lor
complexitatii lor, pe baza lor
constituindu-se un model
constituindu-se un model
a.

ANS: A
2.

Tehnicile de Data Mining se pot aplica:


a. aleatoriu
d. numai descendent
b. condescendent
e. atat ascendent cat si descendent
c.

numai ascendent

ANS: E
3.

Informaiile obinute prin data mining sunt :


a. de natur predictiv sau
c. volume foarte mari de date
descriptiv
b. evenimente sau exemple concrete d. tranzacii de diverse tipuri,
derulate de-a lungul mai multor
ani
ANS: A

4.

Care nu este etapa in cadrul unui ciclu n utilizarea data mining:


a.
b.

identificarea oportunitii comerciale i a datelor pe care se poate baza


explorarea
extragerea de informaii din coleciile de date existente prin tehnici

c.
d.
e.

adecvate de data mining


adoptarea de decizii i ntreprinderea de aciuni pe baza informaiilor
obinute
msurarea rezultatelor concrete pentru a identifica i alte modaliti de
exploatare a datelor disponibile
explorarea propriu-zis a datelor

ANS: E
5.

Cutarea cunostintelor in tehnologia de dataminig poate fi:


a. dirijat sau nedirijat
b. recurenta sau nerecurenta
c. structurata sau nestructurata
ANS: A

6.

Data mining nu contine urmatoarea aciune:


d. gruparea
clasificarea
e. analiza factorial
estimarea
predicia

a.
b.
c.

ANS: E
7.

Aceasta tehnica dataminig caut rspunsurile la problemele noi n


experienele acumulate n trecut. n fata unei situaii noi, vor fi cutate cazurile
asemntoare cunoscute iar concluziile acestora vor fi aplicate i n noua
situaie. Metoda este aplicabil att pentru clasificri ct i pentru predicii i
ofer un bun rspuns, pragmatic i evolutiv, pentru o mare diversitate de
probleme. Ea se numeste:
a.
b.
c.
d.
e.

raionament bazat pe cazuri


reele neuronale
arbori de decizie
algoritmi genetici
analiza grupurilor

ANS: A
8.

Aceast tehnic dataminig permite identificarea automat a grupurilor existente


n ansamblul datelor analizate, fiind una dintre puinele ce pot fi aplicate n
cutarea nedirijat a informaiilor. Grupurile rezult automat n urma procesului
de prelucrare, fr a avea ca punct de pornire un anumit criteriu sau proprietate.
Este o tehnic ce are capacitatea de a releva realmente caracteristici ascunse sub volumul i diversitatea detaliilor - ntr-un anumit set de nregistrri. Ea se
numeste:
a.
b.
c.
d.
e.

raionament bazat pe cazuri


reele neuronale
arbori de decizie
algoritmi genetici
analiza grupurilor

ANS: E
COMPLETION
1.

Principiul de funcionare n data mining este urmtorul: se prelucreaz datele


referitoare la perioadele trecute, examinnd o varietate de situaii care s-au
produs i ale cror rezultate sau consecine sunt deci, bine cunoscute, pentru a
evidenia caracteristicile acestora i a permite elaborarea unui ....
ANS:

model

2.

n abordarea ..... a tehnicilor de data mining, efortul este orientat spre


confirmarea sau infirmarea unor idei (ipoteze) formulate n prealabil prin alte
mijloace. Un demers asemntor se aplic n statistic i n analiza datelor, dar
folosind alte tehnici i metode.
ANS:
3.

Abordarea .... a tehnicilor de data mining are o cu totul alt finalitate; ea


urmrete extragerea de cunotine sau informaii noi din datele disponibile.
ANS:

4.

descendent

ascendent

Analiza grupurilor este o actiune datamining ce urmrete s divid o populaie


eterogen n grupuri mai omogene, numite ..... Spre deosebire de celelalte tipuri
de aciune asemntoare, aici nu exist un set predeterminat de clase ca n cazul
clasificrii i nici exemple trecute. Segmentarea se face n exclusivitate pe baza
similitudinilor sesizate ntre obiecte.
ANS:

cluster