2022年完整word版,数据挖掘_概念与技术部分习题答案汇总.docx

《2022年完整word版,数据挖掘_概念与技术部分习题答案汇总.docx》由会员分享，可在线阅读，更多相关《2022年完整word版,数据挖掘_概念与技术部分习题答案汇总.docx（33页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、精选学习资料 - - - - - - - - - 1.4 数据仓库和数据库有何不同？有哪些相像之处？答：区分：数据仓库是面对主题的,集成的,不易更换且随时间变化的数据集合,用来支持治理人员的决策,数据库由一组内部相关的数据和一组治理和存取数据的软件程序组成,是面对操作型的数据库,是组成数据仓库的源数据；它用表组织数据,采纳 ER 数据模型；相像：它们都为数据挖掘供应了源数据,都是数据的组合；1.3 定义以下数据挖掘功能：特点化、区分、关联和相关分析、猜测聚类和演化分析；使用你熟悉的现实生活的数据库,给出每种数据挖掘功能的例子；答：特点化 是一个目标类数据的一般特性或特性的汇总；例如,同学的特点

2、可被提出,形成全部高校的运算机科学专业一年级同学的轮廓,这些特点包括作为一种高的年级平均成果GPA：Grade point aversge的信息,仍有所修的课程的最大数量；区分 是将目标类数据对象的一般特性与一个或多个对比类对象的一般特性进行比较；例如,具有高 GPA 的同学的一般特性可被用来与具有低GPA 的一般特性比较；最终的描述可能是同学的一个一般可比较的轮廓,就像具有高 GPA 的同学的 75%是四年级运算机科学专业的同学,而具有低GPA 的同学的 65%不是；关联 是指发觉关联规章,这些规章表示一起频繁发生在给定数据集的特点值的条件；例如,一个数据挖掘系统可能发觉的关联规章为：maj

3、orX, “ computing science” . ownsX, “ personal computer” support=12%, confidence=98% 生, 12% 其中, X 是一个表示同学的变量；这个规章指出正在学习的学（支持度）主修运算机科学并且拥有一台个人运算机；这个组一个同学拥有一台个人电脑的概率是98%（置信度,或确定度）；分类与猜测 不同,由于前者的作用是构造一系列能描述和区分数据类型或概念的模型（或功能）,而后者是建立一个模型去猜测缺失的或无效的、并且通常是数字的数据值；它们的相像性 是他们都是猜测的工具：分类被用作猜测目标数据的类的标签,而猜测典型的应用是猜测

4、缺失的数字型数据的值；聚类分析 的数据对象不考虑已知的类标号；对象依据最大花蕾内部的相像性、最小化类之间的相像性的原就进行聚类或分组；形成的每一簇可以被看作一个对象类；聚类也便于分类法组织形式,将观测组织成类分 层结构,把类似的大事组织在一起；数据演化分析 描述和模型化随时间变化的对象的规律或趋势,尽管这可能包括时间相关数据的特点化、区分、关联和相关分析、分类、或猜测,这种分析的明确特点包括时间序列数据分析、序列或周期模式匹配、和基于相像性的数据分析2.3 假设给定的数据集的值已经分组为区间；区间和对应的频率如下；年龄 频率 15 200 515 450 1520 300 2050 1500

5、5080 700 80110 44 运算数据的近似中位数值；解答：先判定中位数区间：N=200+450+300+1500+700+44=3194；N/2=1597 200+450+300=9501597 1. 所以,买 hot dogs 不是独立于买 humburgers；两者存在正相关关系8.1简述决策树分类的主要步骤；100 个不同值）的 5GB的数据集,而你的台式机有512M内存；8.5给定一个具有 50 个属性（每个属性包含简述对这种大型数据集构造决策树的一种有效算法；通过粗略地运算机主存的使用说明你的答案是正确的；这个问题我们将使用雨林算法；假设有 C 类标签；最需要的内存将是 av

6、c-set 为根的树；运算 avc-set 的根节点,我们扫描一次数据库,构建 avc-list每 50 个属性；每一个 avc-list的尺寸是 100C,avc-set 的总大小是 100C 50,对于合理的 C 将很简洁适应 512 MB 内存,运算其他 avc-sets也是使用类似的方法,但他们将较小,由于很少属性可用；在并行运算时,我们可以通过运算 这种每节点小 avc-sets 的方法,我们或许可以适应内存的水平；avc-set 节点来削减同一水平上的扫描次数,使用8.7 下表由雇员数据库的训练数据组成；数据已泛化；例如：age “ 31.35 ” 表示年龄在 31-35 之间；对

7、于给定的行, count 表示 department,status,age 和 salary 在该行具有给定值的元组数；设 status 是类标号属性；（a）如何修改基本决策树算法,以便考虑每个广义数据元组（即每一行）的 count. b 使用修改的算法,构造给定数据的决策树； c 给定一个数据元组, 它在属性 department,age 和 salary 的值分别为“50K” ；该元组 status 的朴实贝叶斯分类是什么？systems” ,“ 26.30 ” , 和“ 46K. 名师归纳总结 9.2 支持向量机（ SVM）是一种具有高精确率的分类方法；然而,在使用大型数据元组集进行训练时,SVM的第 19 页,共 19 页处理速度很慢；争论如何克服这一困难,并为大型数据集有效的SVM算法；- - - - - - -