《数据仓库与数据挖掘》复习题(2)

59 在基本K均值算法里，当邻近度函数采用（ A ）的时候，合适的质心是簇中各点的中位数。

A、曼哈顿距离

B、平方欧几里德距离

C、余弦距离

D、Bregman散度

60.（ C ）是一个观测值，它与其他观测值的差别如此之大，以至于怀疑它是由不同的机制产生的。

A、边界点

B、质心

C、离群点

D、核心点

填空题

第一章

（1）数据库中的知识挖掘(KDD)包括以下七个步

骤：、、

、、、和

（2）数据挖掘的性能问题主要包括：、和（3）当前的数据挖掘研究中，最主要的三个研究方向是：、和

（4）在万维网(WWW)上应用的数据挖掘技术常被称为：

（5）孤立点是指：

答案：

（1）数据清理，数据集成，数据选择，数据变换，数据挖掘，模式评估，知识表示

（2）算法的效率、可扩展性和并行处理

（3）统计学、数据库技术和机器学习

（4）WEB挖掘

（5）一些与数据的一般行为或模型不一致的孤立数据

第二章

（1）进行数据预处理时所使用的主要方法包

括：、、

和

（2）处理噪声数据的方法主要包括：、、

和

（3）模式集成的主要问题包括：和

（4）数据概化是指：

（5）数据压缩可分为：和两种类型。（6）进行数值归约时，三种常用的有参方法是：、

和

（7）数据离散度的最常用度量是、和

答案：

（1）数据清理、数据集成、数据变换、数据规约

（2）分箱、聚类、计算机和人工检查结合、回归

（3）整合不同数据源中的元数据，实体识别问题

（4）沿概念分层向上概化

有损压缩，无损压缩）5（．

（6）线性回归方法，多元回归，对数线性模型

（7）五数概括、中间四分位数区间、标准差

第三章

（1）概念分层有四种类型，分别是：、、和

（2）常用的四种兴趣度的客观度量是：、、和

（3）同时满足和的关联规则称为强关联规则。

答案：

（1）模式分层，集合分组分层，操作导出的分层，基于规则的分层（2）简单性、确定性、实用性、新颖性

（3）最小置信度临界值、最小支持度临界值

第四章

（1）关联规则挖掘中，两个主要的兴趣度度量是：和（2）Aprior算法包括和两个基本步骤（3）项集的频率是指

（4）大型数据库中的关联规则挖掘包含两个过程：和（5）根据规则中所处理的值类型，关联规则可分为：和（6）Apriori性质是指：

（7）挖掘多维关联规则的技术可以根据量化属性的处理分为三种基本方法：、

和

类种五下以括包束约的用使中程过掘挖在，掘挖集项繁频于对）8（．型：、

、、和

（9）在多维关联规则挖掘中，我们搜索的不是频繁项集，而是

答案：

（1）支持度和置信度

（2）连接和剪枝

（3）包含项集的事务数

（4）找出所有频繁项集、由频繁项集产生强关联规则

（5）布尔关联规则、量化关联规则

（6）频繁项集的所有非空子集也必须是频繁的

（7）量化属性的静态离散化、量化关联规则、基于距离的关联规则（8）反单调的、单调的、简洁的、可转变的、不可转变的

（9）频繁谓词集

第五章

（1）通过对数据进行预处理，可以提高分类和预测过程的、和

（2）防止分类中的过分适应的两种方法分别是：和

答案

（1）准确性、有效性和可伸缩性

（2）先剪枝、后剪枝

第六章

（1）在数据挖掘中，常用的聚类算法包

括：、、、基于网格的方法和基于模型的

方法。

（2）聚类分析常作为一个独立的工具来获得

（3）一个好的聚类分析方法会产生高质量的聚类，具有两个特征：

和

（4）许多基于内存的聚类算法所常用的两种数据结构是

和

（5）基于网格的聚类方法的优点是：

（6）孤立点产生的主要原因包括：和

（7）在基于统计的孤立点检测中，常用于不一致性检验的参数包

括：、

和

答案：

（1）划分方法、层次的方法、基于密度的方法

（2）数据分布的情况

（3）高类内相似度、低类间相似度

（4）数据矩阵、相异度矩阵

（5）处理数度快

（6）度量或执行错误、数据变异的结果

（7）数据分布、分布参数、预期的孤立点数

问答题

1.何谓数据挖掘？它有哪些方面的功能？

从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程称为数据挖掘。相关的名称有知识发现、数据分析、数据融合、决策支持等。

数据挖掘的功能包括：概念描述、关联分析、分类与预测、聚类分析、趋

势分析、孤立点分析以及偏差分析等。

何谓数据仓库？为什么要建立数据仓库？ 2.

数据仓库是一种新的数据处理体系结构，是面向主题的、集成的、不可更新的(稳定性)、随时间不断变化(不同时间)的数据集合，为企业决策支持系统提供所需的集成信息。

建立数据仓库的目的有3个：

一是为了解决企业决策分析中的系统响应问题，数据仓库能提供比传统事务数据库更快的大规模决策分析的响应速度。

二是解决决策分析对数据的特殊需求问题。决策分析需要全面的、正确的集成数据，这是传统事务数据库不能直接提供的。

三是解决决策分析对数据的特殊操作要求。决策分析是面向专业用户而非一般业务员，需要使用专业的分析工具，对分析结果还要以商业智能的方式进行表现，这是事务数据库不能提供的。

3.何谓粒度？它对数据仓库有什么影响？按粒度组织数据的方式有哪些？

粒度是指数据仓库的数据单位中保存数据细化或综合程度的级别。粒度影响存放在数据仓库中的数据量的大小，同时影响数据仓库所能回答查询问题的细节程度。按粒度组织数据的方式主要有：

①简单堆积结构

②轮转综合结构

③简单直接结构

④连续结构

4.何谓聚类？它与分类有什么异同？

聚类是将物理或抽象对象的集合分组成为多个类或簇(cluster)的过程，使得在同一个簇中的对象之间具有较高的相似度，而不同簇中的对象差别较大。

聚类与分类不同，聚类要划分的类是未知的，分类则可按已知规则进行；聚类是一种无指导学习，它不依赖预先定义的类和带类标号的训练实例，属于观察式学习，分类则属于有指导的学习，是示例式学习。

5.分类知识的发现方法主要有哪些？分类过程通常包括哪两个步骤？

分类规则的挖掘方法通常有：决策树法、贝叶斯法、人工神经网络法、粗糙集法和遗传算法。分类的过程包括2步：首先在已知训练数据集上，根据属性特征，为每一种类别找到一个合理的描述或模型，即分类规则；然后根据规则对新数据进行分类。

6.什么是决策树？如何用决策树进行分类？

决策树是用样本的属性作为结点，用属性的取值作为分支的树结构。它是决策树的根结点利用信息论原理对大量样本的属性进行分析和归纳而产

生的。．

是所有样本中信息量最大的属性。树的中间结点是以该结点为根的子树所包含的样本子集中信息量最大的属性。决策树的叶结点是样本的类别值。决策树用于对新样本的分类，即通过决策树对新样本属性值的测试，从树的根结点开始，按照样本属性的取值，逐渐沿着决策树向下，直到树的叶结点，该叶结点表示的类别就是新样本的类别。决策树方法是数据挖掘中非常有效的分类方法。

7.简述ID3算法的基本思想及其主算法的基本步骤。

首先找出最有判别力的因素，然后把数据分成多个子集，每个子集又选择最有判别力的因素进一步划分，一直进行到所有子集仅包含同一类型的数据为止。最后得到一棵决策树，可以用它来对新的样例进行分类。

主算法包括如下几步：

①从训练集中随机选择一个既含正例又含反例的子集(称为窗口)；

②用“建树算法”对当前窗口形成一棵决策树；

③对训练集(窗口除外)中例子用所得决策树进行类别判定，找出错判的例子；

④若存在错判的例子，把它们插入窗口，重复步骤②，否则结束。

8.噪声数据的产生原因有哪些？

(1)数据采集设备有问题

(2)在数据录入过程中发生了人为或计算机错误

(3)数据传输过程中发生错误

(4)由于命名规则或数据代码不同而引起的不一致。

9.遗传算法与传统寻优算法相比有什么特点？

①遗传算法为群体搜索，有利于寻找到全局最优解；

②遗传算法采用高效有方向的随机搜索，搜索效率高；

③遗传算法处理的对象是个体而不是参变量，具有广泛的应用领域；

④遗传算法使用适应值信息评估个体，不需要导数或其他辅助信息，运算速度快，适应性好；

⑤遗传算法具有隐含并行性，具有更高的运行效率。

10.请解释一下在数据挖掘关联规则中什么是支持度和可信度，以及关联规则。

支持度：规则A→B的支持度指的是所有事件中A与B同地发生的的概率，即P(A∪B)，是AB同时发生的次数与事件总次数之比。支持度是对关联规则重要性的衡量。

可信度：规则A→B的可信度指的是包含A项集的同时也包含B项集的条件概发生的所有次数之比。可信度是对关联规A同时发生的次数与AB，是P(B|A)率．

则的准确度的衡量。

关联规则：同时满足最小支持度阈值和最小可信度阈值的规则称之为关联规则。

分析与计算题

1. 假定用于分析的数据包含属性age。数据元组中age的值如下（按递增序）：

13,15,16,16,19,20,20,21,22,22,25,25,25,25,30,33,33,33,35,35,35, 35,36,40,45,46,52,70。

(a) 使用按箱平均值平滑对以上数据进行平滑，箱的深度为3。

(b) 该数据的均值是多少，中位数是多少？

(c) 使用 min-max规范化，将age值35转换到[0.0，1.0]区间。

答：(a)已知数据元组中 age 的值如下(按递增序)：

13,15,16,16,19,20,20,21,22,22,25,25,25,25,30,33,33,33,35,35,35, 35,36,40,45,46,52,70。

且箱的深度为 3，划分为(等频)箱：箱 1：13,15,16

箱 2：16,19,20

箱 3：20,21,22

箱 4：22,25,25

箱 5：25,25,30

箱 6：33,33,33

箱 7：35,35,35

箱 8：35,36,40

45,46,52

： 9箱．

箱 10：70

用箱均值光滑：

箱 1：15,15,15

箱 2：18,18,18

箱 3：21,21,21

箱 4：24,24,24

箱 5：27,27,37

箱 6：33,33,33

箱 7：35,35,35

箱 8：37,37,37

箱 9：48,48,48

搜索“diyifanwen.net”或“第一范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，第一范文网，提供最新资格考试认证《数据仓库与数据挖掘》复习题(2)全文阅读和word下载服务。