数据挖掘计算题参考答案.pdf
云路鹏程九万里，雪窗萤火二十年。王实甫老当益壮，宁移白首之心；穷且益坚，不坠青云之志。唐王勃数据仓库与数据挖掘复习题 1.假设数据挖掘的任务是将如下的 8 个点（用（x,y）代表位置）聚类为 3 个类：X1(2,10)、X2(2,5)、X3(8,4)、X4(5,8)、X5(7,5)、X6(6,4)、X7(1,2)、X8(4,9)，距离选择欧几里德距离。假设初始选择 X1(2,10)、X4(5,8)、X7(1,2)为每个聚类的中心，请用 K_means 算法来计算：（1）在第一次循环执行后的 3 个聚类中心；答：第一次迭代：中心点 1：X1(2，10)，2：X4(5，8)，X7(1，2)X1 X2 X3 X4 X5 X6 X7 X8 1 0 25 36+36 9+4 25+25 16+36 1+64 4+1 2 9+4 9+9 9+16 0 4+9 1+16 16+36 1+1 3 1+64 1+9 53 16+36 45 29 0 58 答案：在第一次循环执行后的 3 个聚类中心：1：X1(2，10)2：X3，X4，X5，X6，X8 （6，6）3：X2，X7 （，）（2）经过两次循环后，最后的 3 个族分别是什么？第二次迭代：d X1 X2 X3 X4 X5 X6 X7 X8 1 0 25 36+36 9+4 25+25 16+36 1+64 4+1 2 32 17 8 5 2 4 41 1+1 3 5+5+答案：1：X1，X8，2：X3，X4，X5，X6 （，）3：X2，X7 （，）2.数据库有 4 个事务。设 min_sup=60%,min_conf=80%。TID data Transaction T100 6/6/2007 K,A,D,B T200 6/6/2007 D,A,C,E,B T300 6/7/2007 C,A,B,E T400 6/10/2007 B,A,D a.使用 Apriori算法找出频繁项集，并写出具体过程。答：(a)Apriori 算法：丈夫志四方，有事先悬弧，焉能钧三江，终年守菰蒲。顾炎武古之立大事者，不惟有超世之才，亦必有坚忍不拔之志。苏轼K 1 A 4 A,B 4 A,B,D 3 A 4 B 4 A,D 3 B 4 D 3 B,D 3 D 3 C 2 E 2 频繁项集为 3 项集A,B,D:3 b.列出所有的强关联规则，使它们与下面的元规则匹配，其中，X 是代表顾客的变量，iitem是表示项的变量（例如，“A”、“B”等）：123,(,)(,)(,)xtransaction buys X itembuys X itembuys X item s,c 答：所有频繁子项集有A,B,D,A,B,A,D,B,D AB=D conf=3/4=75%AD=B conf=3/3=100%BD=A conf=3/3=100%因此，满足条件的强关联规则有：AD=Bsupp=75%,conf=100%BD=Asupp=75%,conf=100%1.给定如下的数据库表：ID Sky AirTemp Humidity Wind Water Forecast Enjoysport 1 Sunny Warm Normal Strong Warm Same Yes 2 Sunny Warm High Strong Warm Same Yes 3 Rainy Cold High Strong Warm Change No 4 Sunny Warm High Strong Cool Change yes 请计算属性 Sky 的信息增益。答：C1：Enjoysport=yes=3 C2：Enjoysport=no=1 I(yes,no)=-3/4log2 3/4-1/4log2 1/4=sky C1 C2 rainy 0 1 sunny 3 0 I(sky)=1/4I(0,1)+3/4I(3,0)=0 Gain(sky)=习题:1.以汽车保险为例:假定训练数据库具有两个属性:年龄和汽车类型。年龄序数属性 汽车类型分类属性 类L：低（风险），H：高（风险）年龄 汽车类型 类 人之为学，不日进则日退，独学无友，则孤陋而难成；久处一方，则习染而不自觉。顾炎武一寸光阴一寸金，寸金难买寸光阴。增广贤文21 Maruti L 21 Hyundai H 21 Maruti H 21 Maruti L 21 Hyundai H 使用 ID3 算法得到一个决策树。2.下面是一个超市某商品连续 24 个月的销售数据（单位：百万元）：21，16，21,19,24,27,23,22,21,20,17,16,20,23,22,18,24,26,25,20,26,23,21,15,17。请使用等深、等宽和自定义区间的方法对数据进行分箱，做出利用各种分箱方法得到的直方图。3.数据库有 4 个事务。设 min_sup=60%，min_conf=80%。使用Apriori 算法找出所有的频繁项集，并针对每个频繁项集构造强关联规则，列出每个规则的支持度和置信度。答：(b)Apriori 算法：K 1 A 4 A,B 4 A,B,D 3 A 4 B 4 A,D 3 B 4 D 3 B,D 3 D 3 C 2 E 2 频繁项集为 3 项集A,B,D:3 所有频繁子项集有A,B,D,A,B,A,D,B,D AB=D conf=3/4=75%AD=B conf=3/3=100%BD=A conf=3/3=100%人不知而不愠，不亦君子乎？论语我尽一杯，与君发三愿：一愿世清平，二愿身强健，三愿临老头，数与君相见。白居易因此，满足条件的强关联规则有：AD=Bsupp=75%,conf=100%BD=Asupp=75%,conf=100%
