数据仓库与数据挖掘习题答案资料.docx

《数据仓库与数据挖掘习题答案资料.docx》由会员分享，可在线阅读，更多相关《数据仓库与数据挖掘习题答案资料.docx（8页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、数据仓库及数据挖掘习题答案 第1章 数据仓库的概念及体系构造 1. 面对主题的，相对稳定的。 2. 技术元数据，业务元数据。 3. 联机分析处理OLAP。 4. 切片Slice，钻取Drill-down和Roll-up等。 5. 基于关系数据库。 6. 数据抽取，数据存储及管理。 7. 两层架构，独立型数据集市，依靠型数据集市和操作型数据存储，逻辑型数据集市和实时数据仓库。 8. 可更新的，当前值的。 9. 接近实时。 10. 以报表为主，以分析为主，以预料模型为主，以营运导向为主。 11. 答： 数据仓库就是一个面对主题的Subject Oriented, 集成的Integrate, 相对稳

2、定的Non-Volatile, 反映历史改变Time Variant的数据集合，通常用于协助决策支持。 数据仓库的特点包含以下几个方面： 1 面对主题。操作型数据库的数据组织是面对事务处理任务，各个业务系统之间各自别离；而数据仓库中的数据是依据肯定的主题域进展组织。主题是一个抽象的概念，是指用户运用数据仓库进展决策时所关切的重点领域，一个主题通常及多个操作型业务系统或外部档案数据相关。 2集成的。面对事务处理的操作型数据库通常及某些特定的应用相关，数据库之间相互独立，并且往往是异构的。而数据仓库中的数据是在对原有分散的数据库数据作抽取, 清理的根底上经过系统加工, 汇总和整理得到的，必需消退源

3、数据中的不一样性，以保证数据仓库内的信息是关于整个企事业单位一样的全局信息。也就是说存放在数据仓库中的数据应运用一样的命名规那么, 格式, 编码构造和相关特性来定义。 3相对稳定的。操作型数据库中的数据通常实时更新，数据依据须要刚好发生改变。数据仓库的数据主要供单位决策分析之用，对所涉及的数据操作主要是数据查询和加载，一旦某个数据加载到数据仓库以后，一般状况下将作为数据档案长期保存，几乎不再做修改和删除操作，也就是说针对数据仓库，通常有大量的查询操作及少量定期的加载或刷新操作。 4反映历史改变。操作型数据库OLTP主要关切当前某一个时间段内的数据，而数据仓库中的数据通常包含较长远的历史数据，因

4、此总是包括一个时间维，以便可以探讨趋势和改变。数据仓库系统通常记录了一个单位从过去某一时点(如开场启用数据仓库系统的时点)到目前的全部时期的信息，通过这些信息，可以对单位的开展历程和将来趋势做出定量分析和预料。 12. 答： 1两层架构Generic Two-Level Architecture。 2独立型数据集市Independent Data Mart。 3依靠型数据集市和操作型数据存储Dependent Data Mart and Operational Data Store。 4逻辑型数据集市和实时数据仓库Logical Data Mart and Real-Time Data War

5、ehouse。 13. 答： 数据仓库技术的开展包括数据抽取, 存储管理, 数据表现和方法论等方面。在数据抽取方面，将来的技术开展将集中在系统集成化方面。它将互连, 转换, 复制, 调度, 监控纳入标准化的统一管理，以适应数据仓库本身或数据源可能的改变，使系统更便于管理和维护。在数据管理方面，将来的开展将使数据库厂商明确推出数据仓库引擎，作为数据仓库效劳器产品及数据库效劳器并驾齐驱。在这一方面，带有决策支持扩展的并行关系数据库将最具开展潜力。在数据表现方面，数理统计的算法和功能将普遍集成到联机分析产品中，并及Internet/Web技术严密结合。按行业应用特征细化的数据仓库用户前端软件将成为产

6、品作为数据仓库解决方案的一局部。数据仓库实现过程的方法论将更加普及，将成为数据库设计的一个明确分支，成为管理信息系统设计的必备。 14. 答： 1IBM公司供应了一套基于可视化数据仓库的商业智能BI解决方案，包括：Visual WarehouseVW, Essbase/DB2 OLAP Server 5.0, IBM DB2 UDB，以及来自第三方的前端数据呈现工具如BO和数据挖掘工具如SAS。其中，VW是一个功能很强的集成环境，既可用于数据仓库建模和元数据管理，又可用于数据抽取, 转换, 装载和调度。Essbase/DB2 OLAP Server支持“维的定义和数据装载。Essbase/DB

7、2 OLAP Server不是ROLAPRelational OLAP效劳器，而是一个ROLAP和MOLAP混合的HOLAP效劳器，在Essbase完成数据装载后，数据存放在系统指定的DB2 UDB数据库中。它的前端数据呈现工具可以选择Business Objects的BO, Lotus的Approach, Cognos的Impromptu或IBM的Query Management Facility；多维分析工具支持Arbor Software的Essbase和IBM及Arbor联合开发的DB2 OLAP效劳器；统计分析工具采纳SAS系统。 2Oracle数据仓库解决方案主要包括Oracle

8、Express和Oracle Discoverer两个局部。Oracle Express由四个工具组成：Oracle Express Server是一个MOLAP(多维OLAP)效劳器，它利用多维模型，存储和管理多维数据库或多维高速缓存，同时也能够访问多种关系数据库；Oracle Express Web Agent通过CGI或Web插件支持基于Web的动态多维数据呈现；Oracle Express Objects前端数据分析工具目前仅支持Windows平台供应了图形化建模和假设分析功能，支持可视化开发和事务驱动编程技术，供应了兼容Visual Basic语法的语言，支持OCX和OLE；Orac

9、le Express Analyzer是通用的, 面对最终用户的报告和分析工具目前仅支持Windows平台。Oracle Discoverer即席查询工具是特地为最终用户设计的，分为最终用户版和管理员版。 在Oracle数据仓库解决方案的实施过程中，通常把汇总数据存储在Express多维数据库中，而将具体数据存储在Oracle关系数据库中，当须要具体数据时，Express Server通过构造SQL语句访问关系数据库。 3Microsoft将OLAP功能集成到SQL Server数据库中，其解决方案包括BI平台, BI终端工具, BI门户和BI应用四个局部，如图1.1。 BI平台是BI解决方案

10、的根底，包括ETL平台SQL Server 2005 Integration Service(SSIS), 数据仓库引擎SQL Server 2005 RDBMS以及多维分析和数据挖掘引擎SQL Server 2005 Analysis Service, 报表管理引擎SQL Server 2005 Reporting Service。 BI终端用户工具，用户通过终端用户工具和Analysis Service中的OLAP效劳和数据挖掘效劳进展交互来运用多维数据集和数据挖掘模型，终端用户通常可运用预定义报表, 交互式多维分析, 即席查询, 数据可视化, 数据挖掘等多种方法。 BI门户供应了各种不同

11、用户访问BI信息的统一入口。BI门户是一个数据的聚集地，集成了来自不同系统的相关信息。用户可以制定特性化的个人门户，选择和自己相关性最强的数据，提高信息访问和运用的效率。 BI应用是建立在BI平台, BI终端用户工具和BI统一门户这些公共技术手段之上的满意某个特定业务需求的应用，例如零售业务分析, 企业工程管理组合分析等。 第2章 数据仓库的数据存储及处理 1. 企业级数据仓库EDW。 2. 单一的，具体的。 3. 最初填充数据仓库。 4. 越高，越低，越多。 5. 提高，预处理，事实表。 6. 自然键Natural Key，代理键Surrogate Key。 7. 星型模式。 8. 早期细微

12、环节级，轻度综合级。 9. 答： 简洁地说，数据是从企业内外部的各业务处理系统操作型数据流向企业级数据仓库EDW或操作型数据存储区(ODS)，在这个过程中，要依据企业或其他组织的数据模型和元数据库对数据进展调和处理，形成一个中间数据层，然后再依据分析需求，从调和数据层EDW, ODS将数据引入导出数据层，如形成满意各类分析需求的数据集市。 10. 答： 数据的ETL过程就是负责将操作型数据转换成调和数据的过程。如上面的小节所述，这两种数据具有明显的区分，因此，数据调和是构建一个数据仓库中最难的和最具技术挑战性的局部。在为企业级数据仓库填充数据的过程中，数据调和可分为两个阶段：一是企业级数据仓库

13、EDW首次创立时的原始加载；二是接下来的定期修改，以保持EDW的当前有效性和扩展性。 整个过程由四个步骤组成：抽取, 清洗, 转换, 加载和索引。事实上，这些步骤可以进展不同的组合，如，可以将数据抽取及清洗组合为一个过程，或者将清洗和转换组合在一起。通常，在清洗过程中发觉的拒绝数据信息会送回到源操作型业务系统中，然后将数据在源系统中加以处理，以便在以后重新抽取。 11. 答： 在星模式中，事实表居中，多个维表呈辐射状分布于其四周，并及事实表连接。位于星形中心的实体是事实表，是用户最关切的根本实体和查询活动的中心，为数据仓库的查询活动供应定量数据。位于星模式四周的实体是维度实体，其作用是限制和过

14、滤用户的查询结果，缩小访问范围。每个维表都有自己的属性，维表和事实表通过关键字相关联。 12. 答： 因为数据仓库或数据集市的数据总是历史的数据，须要时间维来区分。 第3章 数据仓库系统的设计及开发 1. 在线分析处理(OLAP) 分析。 2. 信息包图法，维度，类别，度量。 3. 逻辑模型。 4. 事务事实，快照事实，线性工程事实。 5. 聚合。 6. 时间，区域。 7. 退化维。 8. 无改变，缓慢改变，猛烈改变。 9. 索引。 10. 反向标准化，引入冗余。 11. 答： 信息包图法，也叫用户信息需求表，就是在一张平面表格上描述元素的多维性，其中的每一个维度用平面表格的一列表示，通常的维

15、度如时间, 地点, 产品和顾客等；而细化本列的对象就是类别，例如时间维度的类别可以细化到年, 月, 日，甚至小时；平面表格的最终一行代表超立方体中的单元格即为指标度量值，例如，某年在某销售点的某类产品的实际销售额。创立信息包图时须要确定最高层和最低层的信息需求，以便最终设计出包含各个层次须要的数据仓库 总之，信息包图法是一种自上而下的数据建模方法，即从用户的观点开场设计用户的观点是通过及用户沟通得到的，站在管理者的角度把焦点集中在企业的一个或几个主题上，着重分析主题所涉及数据的多维特性，这种自上而下的方法几乎考虑了全部的信息源，以及这些信息源影响业务活动的方式。 12. 答： 收集, 分析和确

16、认业务分析需求，分析和理解主题和元数据, 事实及其量度, 粒度和维度的选择及设计, 数据仓库的物理存储方式的设计等。 13. 答： 1收集和分析业务需求； 2建立数据模型和数据仓库的物理设计； 3定义数据源； 4选择数据仓库技术和平台； 5从操作型数据库中抽取, 清洗及转换数据到数据仓库； 6选择访问和报表工具，选择数据库连接软件，选择数据分析和数据展示软件； 7更新数据仓库。 14. 答：参考3.3节的过程。 第4章 关联规那么 1. apriori，fp-growth，fp-growth。 2. abcabdacd，abcabd。 3. abc，ac。 4. 答： 关联规那么挖掘最初由R.

17、Agrawal等人提出，用来发觉超级市场中用户购置的商品之间的隐含关联关系，并用规那么的形式表示出来，称为关联规那么(Association Rule)。 关联规那么除了可以发觉超市购物中隐含的关联关系之外，还可以应用于其他很多领域。关联规那么的应用还包括文本挖掘, 商品广告邮寄分析, 网络故障分析等。 5. 答： 关联规那么的分类： 1基于规那么中涉及到的数据的维数，关联规那么可以分为单维的和多维的。 2基于规那么中数据的抽象层次，可以分为单层关联规那么和多层关联规那么。 3基于规那么中处理的变量的类型不同，关联规那么可以分为布尔型和数值型。 关联规那么挖掘的步骤： 1找出交易数据库中全部大

18、于或等于用户指定的最小支持度的频繁项集； 2利用频繁项集生成所须要的关联规那么，依据用户设定的最小可信度进展取舍，产生强关联规那么。 6. 答：规那么：c=a，a=c。 7. 答： 第5章 数据分类 1. 获得数据，预处理，分类器设计，分类决策。 2. 划分数据集，分类器构造，分类器测试。 3. 精确度，查全率和查准率，F-measure，几何均值。 4. 多项式核函数，径向基核函数，S型核函数。 5. 答： 分类是指把数据样本映射到一个事先定义的类中的学习过程，即给定一组输入的属性向量及其对应的类，用基于归纳的学习算法得出分类。 分类问题是数据挖掘领域中探讨和应用最为广泛的技术之一，很多分类

19、算法被包含在统计分析工具的软件包中，作为特地的分类工具来运用。分类问题在商业, 银行业, 医疗诊断, 生物学, 文本挖掘, 因特网筛选等领域都有广泛应用。例如，在银行业中，分类方法可以协助工作人员将正常信用卡用户和欺诈信用卡用户进展分类，从而实行有效措施减小银行的损失；在医疗诊断中，分类方法可以扶植医疗人员将正常细胞和癌变细胞进展分类，从而刚好制定救治方案，挽救病人的生命；在因特网筛选中，分类方法可以帮助网络工作人员将正常邮件和垃圾邮件进展分类，从而制定有效的垃圾邮件过滤机制，防止垃圾邮件干扰人们的正常生活。 6. 答：求解过程请参考例5.1。 7. 答： 计算x及x1x7的欧氏距离，可以知道

20、x的最近邻是x4，x的前3个近邻是x4，x1，x2，所以，利用最近邻分类方法对x进展分类时x的类标号是y=-1，利用k-近邻分类方法k=3对x进展分类时x的类标号是y=+1。 第6章 数据聚类 1. 连续型，二值离散型，多值离散型，混合类型。 2. 欧氏距离，曼哈顿距离，明考斯基距离。 3. 选定某种距离作为数据样本间的相像性度量，选择评价聚类性能的准那么函数，选择某个初始分类，之后用迭代的方法得到聚类结果，使得评价聚类的准那么函数取得最优值。 4. 凝合型层次聚类，分解型层次聚类。 5. 答： 聚类分析是将物理的或者抽象的数据集合划分为多个类别的过程，聚类之后的每个类别中随意两个数据样本之间

21、具有较高的相像度，而不同类别的数据样本之间具有较低的相像度。 聚类分析是数据挖掘应用的主要技术之一，它可以作为一个独立的工具来运用，将未知类标号的数据集划分为多个类别之后，视察每个类别中数据样本的特点，并且对某些特定的类别作进一步的分析。此外，聚类分析还可以作为其他数据挖掘技术例如分类学习, 关联规那么挖掘等的预处理工作。聚类分析在科学数据分析, 商业, 生物学, 医疗诊断, 文本挖掘, Web数据挖掘等领域都有广泛应用。在科学数据分析中，比方对于卫星遥感照片，聚类可以将相像的区域归类，有助于探讨人员依据具体状况做进一步分析；在商业领域，聚类可以扶植市场分析人员对客户的根本数据进展分析，发觉购

22、置模式不同的客户群，从而帮助市场调整销售方案；在生物学方面，聚类可以扶植探讨人员依据基因的相像度对动物和植物的种群进展划分，从而获得对种群中固有构造的相识；在医疗诊断中，聚类可以对细胞进展归类，有助于医疗人员发觉异样细胞的聚类，从而对病人刚好实行措施；在文本挖掘和Web数据挖掘领域中，聚类可以将网站数据依据读者的爱好度进展划分，从而有助于网站内容的改良。 6. 答：参考图6.1。 7. 答：参考节的步骤。 8. 答：依据给定的数据集，设定数据样本之间的距离采纳欧氏距离，聚类集合之间的相像性度量采纳最小距离，聚类结果如下列图所示。 第7章 贝叶斯网络 1. 答： 由SA发生得知，HO发生/不发生

23、的概率为0.56566/0.43434；由PX发生得知，BT发生/不发生的概率为0.0891/0.9109。依据表7.6中给出的联合条件概率分布，可得HA发生/不发生的概率是0.4533/0.5467。再依据条件概率公式，P(+BT|+HA) = P(+HA|+BT) P(+BT) / P(+HA) = 0.9509 0.0891 / 0.4533 = 0.1869。 2. 答： 事实上，从“有酒精味到“患脑瘤之间没有任何的因果关系，也就是说，“有酒精味并不能影响到脑瘤的产生。但是，“有酒精味能够影响“患脑瘤的诊断概率。这是因为，“有酒精味使得引起“头疼的更多因素归为喝酒，而不是患脑瘤，从而使

24、得“患脑瘤的概率大大降低。 3. 答：贝叶斯网络的3个主要议题分别是：预料, 诊断和历史数据训练。 4. 答： 要训练条件概率P(B|A)，可以在历史数据中统计A发生的次数T(A)，然后统计在A发生的数据中B发生的次数T(A,B)，条件概率P(B|A) = T(B)/T(A)。要训练联合条件概率P(C|A,B)，可以在历史数据中统计A, B共同发生的次数T(A,B)，然后在A, B共同发生的数据中统计C发生的次数T(A,B,C)，联合条件概率P(C|A,B)=T(A,B,C)/T(A,B)。以上的符号A, B, C可以表示某个事务，也可以表示该事务的相反事务。 5. 答： 可以用两种方式从历史数据中得到各个节点的发生概率：1用各节点的发生次数除以总的数据条数，就是各个节点的发生概率。2首先，用第一种方法计算缘由节点的发生概率，然后计算缘由节点到中间节点或结果节点的条件概率，最终依据缘由节点的概率和这些条件概率计算结果节点的概率。