中国科学院大学的 2017 年数据挖掘期末考试题挺有意思的，虽然是考试题，但当资料用也还不错。里面提到的知识点覆盖得比较全，比如数据仓库、分类、聚类、频繁项集挖掘这些，都是咱们前端接触数据时绕不开的东西。

数据仓库的星状图和数据立方体，说白了就是让你把数据按多个维度看，像切蛋糕一样横着切、竖着切都能行。前端在做多维报表或者 BI 可视化时，这块知识就有用。

分类算法里提到的决策树、朴素贝叶斯和神经网络，前两个比较轻量，后一个适合模型复杂的场景。你在做推荐系统界面的时候，理解这些算法能帮你跟后端或算法沟通得更顺畅。

还有K-means 聚类，你总见到后台给你返回聚好类的用户群，那背后其实就是靠这种算法。知道它怎么跑出来的，对你前端做个性化展示或多维筛选挺有的。

讲到频繁项集挖掘，Apriori和FP-Tree就是电商后台常用的购物篮算法，帮用户找出“买了 A 就常常买 B”的组合。做交互推荐页面时，这些逻辑你早晚得了解。

资料还推荐了本书——《数据挖掘概念与技术（第三版）》，不少习题挺接地气的，适合你平时练手。顺带提醒下，如果是扫描版文件，有些 OCR 识别错的字得自己校对下，别被带偏了。

如果你最近要搞数据可视化或者对接算法系统，这份期末试题真可以看一看。当学习资料、练习思路都蛮合适的，内容不枯燥，挺接地气。