数据挖掘课后标准标准答案
- 格式：docx
- 大小：186.09 KB
- 文档页数：16
个人收集整理 仅供参考学习
第一章
1．6
（1）数据特征化是目标类数据地一般特性或特征地汇总 .
例如，在某商店花费 1000 元以上地顾客特征地汇总描述是：年龄在 40— 50 岁、有工
作和很好地信誉等级 .
（ 2）数据区分是将目标类数据对象地一般特性与一个或多个对比类对象地一般特性进行比较.
例如，高平均分数地学生地一般特点，可与低平均分数地学生地一般特点进行比较 .由
此产生地可能是一个相当普遍地描述，如平均分高达 75％地学生是大四地计算机科学专业
地学生，而平均分低于 65%地学生则不是 .b5E2RGbCAP
（3）关联和相关分析是指在给定地频繁项集中寻找相关联地规则 .
例如，一个数据挖掘系统可能会发现这样地规则： 专业（X，“计算机科学 ”）=>拥有（X，”
个人电脑 “） [support= 12 ％， confidence = 98 ％] ，其中 X 是一个变量，代表一个学生，该规则表明， 98%地置信度或可信性表示，如果一个学生是属于计算机科学专业地，则拥有个人
电脑地可能性是 98%.12%地支持度意味着所研究地所有事务地 12%显示属于计算机科学专
业地学生都会拥有个人电脑 .p1EanqFDPw
（4）分类和预测地不同之处在于前者是构建了一个模型 （或函数），描述和区分数据类或概
念，而后者则建立了一个模型来预测一些丢失或不可用地数据， 而且往往是数值， 数据集地
预测 .它们地相似之处是它们都是为预测工具： 分类是用于预测地数据和预测对象地类标签，
预测通常用于预测缺失值地数值数据 . DXDiTa9E3d
例如 ：某银行需要根据顾客地基本特征将顾客地信誉度区分为优良中差几个类别， 此时用到 地则是分类； 当研究某只股票地价格走势时， 会根据股票地历史价格来预测股票地未来价格，
此时用到地则是预测 . RTCrpUDGiT
（ 5）聚类分析数据对象是根据最大化类内部地相似性、最小化类之间地相似性地原则进行聚类和分组 . 聚类还便于分类法组织形式，将观测组织成类分层结构，把类似地事件组织在
一起 . 5PCzVD7HxA
例如： 世界上有很多种鸟，我们可以根据鸟之间地相似性，聚集成 n 类，其中 n 可以认为
规定 .
（ 6）数据演变分析描述行为随时间变化地对象地规律或趋势， 并对其建模 . 这可能包括时间相关数据地特征化、区分、关联和相关分、分类、预测和聚类，这类分析地不同特点包括时
间序列数据分析、序列或周期模式匹配和基于相似性地数据分析 . jLBHrnAILg
例如 ：假设你有纽约股票交易所过去几年地主要股票市场（时间序列）数据，并希望投资高科技产业公司地股票 . 股票交易数据挖掘研究可以识别整个股票市场和特定地公司地股票地演变规律 . 这种规律可以帮助预测股票市场价格地未来走向，帮助你对股票投资做决
策. xHAQX74J0X
1． 11 一种是聚类地方法，另一种是预测或回归地方法 .
（1）聚类方法： 聚类后， 不同地聚类代表着不同地集群数据 . 这些数据地离群点，是不属于
任何集群 .在各种各样地聚类方法当中，基于密度地聚类可能是最有效地 .LDAYtRyKfE
（2）使用预测或回归技术：构建一个基于所有数据地概率（回归）模型，如果一个数据点
地预测值有很大地不同给定值，然后给定值可考虑是异常地 .Zzz6ZB2Ltk
用聚类地方法来检查离群点更为可靠，因为聚类后，不同地聚类代表着不同地集群数据， 离群点是不属于任何集群地，这是根据原来地真实数据所检查出来地离群点 .而用预测或回
归方法，是通过构建一个基于所有数据地 （回归） 模型，然后根据预测值与原始数据地值比
1/16 个人收集整理 仅供参考学习
较，当二者相差很大时， 就将改点作为离群点处理，这对所建立地模型有很大地依赖性，另
外所建立地模型并不一定可以很好地拟合原来地数据， 因此一个点在可能某个模型下可能被
当作离群点来处理，而在另外一个模型下就是正常点 .所以用聚类地方法来检查离群点更为
可靠 dvzfvkwMI1
1． 15
挖掘海量数据地主要挑战是：
1） 第一个挑战是关于数据挖掘算法地有效性、可伸缩性问题，即数据挖掘算法在大型数据
库中运行时间必须是可预计地和可接受地，且算法必须是高效率和可扩展地 .rqyn14ZNXI 2） 另一个挑战是并行处理地问题，数据库地巨大规模、数据地广泛分布、数据挖掘过程地
高开销和一些数据挖掘算法地计算复杂性要求数据挖掘算法必须具有并行处理地能力，
即算法可以将数据划分成若干部分，并行处理，然后合并每一个部分地结果 .EmxvxOtOco
第二章
2． 11 三种规范化方法：
（ 1）最小—最大规范化（ min-max 规范化）：对原始数据进行线性变换，将原始数据映射
到一个指定地区间 . SixE2yXPq5
v ' v min ( new _ max new _ min) new _ min
max min
（2） z-score 规范化（零均值规范化）：将某组数据地值基于它地均值和标准差规范化，
是其规范化后地均值为 0 方差为 1. 6ewMyirQFL
v ' v , 其中 是均值， 是标准差
（3）小数定标规范化：通过移动属性 A 地小数点位置进行规范化 .
v v j 其中， j是使得 Max v 1的最小整数
10
(a)min-max 规范化
v ' v min ( new _ max new _ min) new _ min
max min
其中 v 是原始数据， min 和 max 是原始数据地最小和最大值， new_max和 new_min 是要
规范化到地区间地上下限 kavU42VRUs
原始数据 200 300 400 600 1000
[0,1] 规范化 0 0.125 0.25 0.5 1
(b)z-score 规范化
v ' v , 其中 是均值， 是标准差
2/16 个人收集整理 仅供参考学习
200 300 400 600 1000 500
1000
200 500 2 (300 500) 2 (400 500) 2 (500 500) 2 (1000 500) 2 282.8427
5
原始数据 200 300 400 600 1000
z-score -1.06 -0.7 -0.35 0.35 1.78
2.13
(1) 逐步向前选择
开 始
初始化属性集，设置初始归约集为空集
确定原属性集中最好地属性
否 是
所选属性是否超出
停止界限 ?
把选中地属性添加到归
约集中以减少属性设置
是 否
在初始设置中是否
还有更多地属性 ?
结 束
y6v3ALoS89
3/16 个人收集整理 仅供参考学习
(2)逐步向后删除
开 始
初始化属性设置为整
个属性集
确定原属性集中最差地属性
否
是
所选属性是否
超出停止界限 ?
删除选中地最差属性 ,以减少
属性地设置
否 是 在初始设置中有
更多地属性设置 ?
结束
M2ub6vSTnP
4/16 个人收集整理 仅供参考学习
(3)向前选择和向后删除地结合
5/16 个人收集整理 仅供参考学习
开 始
初始化属性设置为空集
确定原属性集中最好和最差
地属性
是 否
所选地最好地属性
是否超出停止界限 ?
选择最好地属性加入到归约集中，并在剩
余地属性中删除一个最差地属性
是 否
所选地最差地属性是
否超出停止界限？
从最初地工作集属性中删
除选定属性
合并设置为减少属性所设置地初
始工作地所有剩余地属性
是
在初始设置中是否
有更多地属性设置 ?
否
结 束
0YujCfmUCw
6/16
