华南理工大学数据挖掘第一章

华南理工大学计算机科学与工程学院2012—2013学年度第二学期期末考试《数据仓库与数据挖掘技术》试卷(假的)专业：计算机科学与技术年级：2010 姓名：学号：注意事项：1. 本试卷共四大题，满分100分，考试时间120分钟；2. 所有答案请直接答在试卷上；题号一二三四总分得分一.填空题（每空1分，共20分）1.数据仓库的特征包括_面向主题________、___集成_________、__时变_________和非易失性。

2.数据仓库的三种数据模式包括_星形模式_、__雪花形模式__________、___事实星座形模式________。

3.仓库数据库服务器、_LOAP服务器________、__前端客户__________为数据仓库的多层结构。

4. OLAP技术多维分析过程中，多维分析操作包括 __上卷___、__下钻____、___切片____、__切块__________、__转轴_________等。

5. 知识发现过程的主要步骤有：数据清理、__数据集成__________、__数据选择___、数据交换、_数据挖掘________、___模式评估_________、__知识表示_______。

6. 数据仓库的视图的分类有:自顶向下视图、_数据源视图________、数据仓库视图、_商务视图_________。

二.简答题(每题6分，共42分)1.简述处理空缺值的方法。

1、忽略该记录2、手工填写空缺值3、使用默认值4、使用属性平均值5、使用同类样本平均值6、使用最可能的值2.挖掘的知识类型。

1、概念/类描述：特征化和区分2、挖掘频繁模式、关联和相关3、分类和预测4、聚类分析5、离群点分析6、演变分析3.何为OLTP与OLAP及他们的主要区别。

联机事务处理OLTP (on-line transaction processing)；联机分析处理OLAP (on-line analytical processing)；OLTP和OLAP的区别：用户和系统的面向性:OLTP面向顾客，而OLAP面向市场；数据内容：OLTP系统管理当前数据，而OLAP管理历史的数据；数据库设计：OLTP系统采用实体-联系（ER)模型和面向应用的数据库设计，而OLAP系统通常采用星形和雪花模型；视图：OLTP系统主要关注一个企业或部门内部的当前数据，而OLAP 系统主要关注汇总的统一的数据；访问模式：OLTP访问主要有短的原子事务组成，而OLAP系统的访问大部分是只读操作，尽管许多可能是复杂的查询。

数据挖掘概念与技术（第三版）课后答案——第⼀章1.1 什么是数据挖掘？在你的回答中，强调以下问题：(a)它是⼜⼀种⼴告宣传吗？(b)它是⼀种从数据库、统计学、机器学习和模式识别发展⽽来的技术的简单转换或应⽤吗？(c)我们提出了⼀种观点，说数据挖掘是数据库技术进化的结果。

你认为数据挖掘也是机器学习研究进化的结果吗？你能基于该学科的发展历史提出这⼀观点吗？针对统计学和模式识别领域，做相同的事。

(d)当把数据挖掘看做知识发现过程时，描述数据挖掘所涉及的步骤。

答：数据挖掘不是⼀种⼴告宣传，它是⼀个应⽤驱动的领域，数据挖掘吸纳了诸如统计学习、机器学习、模式识别、数据库和数据仓库、信息检索、可视化、算法、⾼性能计算和许多应⽤领域的⼤量技术。

它是从⼤量数据中挖掘有趣模式和知识的过程。

数据源：包括数据库、数据仓库、Web、其他信息存储库或动态的流⼊系统的数据等。

当其被看作知识发现过程时，其基本步骤主要有：1. 数据清理：清楚噪声和删除不⼀致数据；2. 数据集成：多种数据源可以组合在⼀起；3. 数据选择：从数据库中提取与分析任务相关的数据；4. 数据变换：通过汇总或者聚集操作，把数据变换和统⼀成适合挖掘的形式；5. 数据挖掘：使⽤智能⽅法或者数据挖掘算法提取数据模式；6. 模式评估：根据某种兴趣度量，识别代表知识的真正有趣的模式。

7. 知识表⽰：使⽤可视化和知识表⽰技术，向⽤户提供挖掘的知识。

1.2 数据仓库与数据库有什么不同？它们有哪些相似之处？答：不同：数据仓库是多个异构数据源在单个站点以统⼀的模式组织的存储，以⽀持管理决策。

数据仓库技术包括数据清理、数据集成和联机分析处理(OLAP)。

数据库系统也称数据库管理系统，由⼀组内部相关的数据（称作数据库）和⼀组管理和存取数据的软件程序组成，是⾯向操作型的数据库，是组成数据仓库的源数据。

它⽤表组织数据，采⽤ER数据模型。

相似：它们都为数据挖掘提供了源数据，都是数据的组合。

华南理工大学《数据挖掘》复习资料【英文缩写】BI(商务智能): Business IntelligenceOLAP(联机分析处理): Online Analytical Processing OLTP(联机事务处理): Online Transaction Processing ETL(提取/变换/装入): Extraction/Transformation/LoadingKDD(数据中的知识发现):Knowledge Discovery in DatabasesLecture 1.【知识发现的主要过程】(1)数据清理（消除噪声和不一致的数据）(2)数据集成（多种数据源可以组合在一起）(3)数据选择（从数据库中提取与分析任务相关的数据）(4)数据变换（数据变换或同意成适合挖掘的形式，如通过汇总或聚集操作）(5)数据挖掘（基本步骤，使用只能方法提取数据模式）(6)模式评估（根据某种兴趣度度量，识别表示只是的真正有趣的模式）(7)知识表示（使用可视化和只是表示技术，向用户提供挖掘的知识）【挖掘的知识类型】(1)概念描述：特征划与区分(概化、摘要、以及对比数据特征)(2)关联（相关性或者因果关系）(3)分类与预测：对类或概念构造模型或函数以便对未来数据进行预测(4)聚类分析：类标识符是未知的，把数据分成不同的新类，使得同一个类中的元素具有极大的相似性，不同类元素的相似性极小。

(5)趋势与偏差分析：序列模式挖掘(6)孤立点分析：孤立点，不符合该类数据的通用行为的数据，不是噪声或异常。

【数据挖掘在互联网、移动互联网的应用】(1)Web用法挖掘（Web日志挖掘）：在分布式信息环境下捕获用户访问模式(2)权威Web页面分析：根据Web页面的重要性、影响和主题，帮助对Web页面定秩(3)自动Web页面聚类和分类：给予页面的内容，以多维的方式对Web页面分组和安排(4)Web社区分析：识别隐藏的Web社会网络和社团，并观察它们的演变Lecture 2.【为什么需要数据预处理】现实世界中的数据很“脏”，具有以下特性：(1)不完整的: 缺少属性值, 感兴趣的属性缺少属性值, 或仅包含聚集数据(2)含噪声的: 包含错误或存在孤立点(3)不一致的: 在名称或代码之间存在着差异数据预处理技术可以改进数据的质量，从而有助于提高其后的挖掘过程的精度和性能。

第一章1.数据发掘定义：从大批的、不完好的、有噪声的、模糊的、随机的数据中，提取隐含在此中的、人们早先不知道的、但又是潜伏实用的信息和知识的过程。

2.不可以在原数据库上做决议而要建筑数据库房的原由：传统数据库的办理方式和决议剖析中的数据需求不相当，主要表此刻：⑴决议办理的系统响应问题⑵决议数据需求的问题⑶决议数据操作的问题3.数据库房的定义W.H.Inmon 的定义：数据库房是一个面向主题的、集成的、非易失的且随时间变化的数据会合，用来支持管理人员的决议。

公认的数据库房看法基本上采纳了W.H.Inmon 的定义：数据库房是面向主题的、集成的、不行更新的（稳固性）随时间不停变化（不一样时间）的数据会合，用以支持经营管理中的决议拟订过程。

4.数据库房与数据发掘的关系：⑴数据库房系统的数据能够作为数据发掘的数据源。

数据库房系统能够知够数据发掘技术对数据环境的要求，能够直接作为数据发掘的数据源。

⑵数据发掘的数据源不必定一定是数据库房系统。

数据发掘的数据源不必定一定是数据库房，可以是任何数据文件或格式，但一定早先进行数据预办理，办理成适合数据发掘的数据。

5.数据发掘的功能—— 7 个方面：⑴看法描绘：对某类对象的内涵进行描绘，并归纳这种对象的有关特点。

①特点性描绘②差异性描绘⑵关系剖析：若两个或多个变量间存在着某种规律性，就称为关系。

关系剖析的目的就是找出数据中隐蔽的关系网。

⑶分类与展望①分类②展望⑷聚类剖析：客观的按被办理对象的特点分类，将有相同特点的对象归为一类。

⑸趋向剖析：趋向剖析——时间序列剖析，从相当长的时间的发展中发现规律和趋向。

⑹孤立点剖析：孤立点：数据库中包含的一些与数据的一般行为或模型不一致的数据。

⑺偏差剖析：偏差剖析——比较剖析，是对差异和极端特例的描绘，揭露事物偏离惯例的异样现象。

6.数据发掘常用技术：⑴数据发掘算法是数据发掘技术的一部分⑵数据发掘技术用于履行数据发掘功能。

⑶一个特定的数据发掘功能只合用于给定的领域。