数据仓库与数据挖掘教程(第2版) 陈文伟版课后习题答案(非常全)

数据仓库与数据挖掘教程(第2版)课后习题答案第二章1. 什么是数据仓库？它与传统数据库有什么不同？答：数据仓库是一个面向主题、集成、稳定、可学习的数据集合，用于支持企业决策制定和决策支持系统。

与传统数据库相比，数据仓库更注重数据的整合和大数据的处理能力，以支持更高级别的数据分析和决策。

2. 什么是元数据？有哪些类型？答：元数据指描述数据仓库中数据的数据，用于描述数据的含义、格式、内容、质量、来源、使用和存储等方面的信息。

元数据有三种类型：技术元数据、业务元数据和操作元数据。

3. 数据仓库的架构有哪些组成部分？请简述各组成部分的作用。

答：数据仓库的架构主要包括数据源、数据抽取、清理和转换、存储和管理、元数据管理、查询和分析等几个组成部分。

- 数据源：指数据仓库的数据来源，可以是事务处理系统、外部数据源、第三方提供商等。

- 数据抽取、清理和转换：将数据从各种不同的来源抽取出来并转化为简单、标准的格式，以便进行加工和分析。

- 存储和管理：将经过抽取、转换和清洗后的数据存储在数据仓库中并进行管理，查找、更新和删除等操作。

- 元数据管理：对数据仓库中的元数据进行管理，并将其存储在元数据存储库中。

- 查询和分析：通过各种查询和分析工具来进行数据挖掘、分析和报告。

4. 请列出数据仓库中的三种主要数据类型。

答：数据仓库中的三种主要数据类型包括事实数据、维度数据和元数据。

5. 请列出数据仓库的三种不同的操作类型。

答：数据仓库的三种不同的操作类型包括基础操作、加工操作和查询操作。

6. 数据挖掘的定义是什么？答：数据挖掘是一种通过分析大量数据来发现有意义模式、趋势和关联的过程。

它是既包含统计学、机器学习和数据库技术的交叉学科，又包含更广泛的知识和业务领域。

7. 请列出数据挖掘中的四个主要任务。

答：数据挖掘中的四个主要任务包括描述性数据挖掘、预测性数据挖掘、关联数据挖掘和分类和聚类。

8. 数据仓库中经常使用OLAP分析方式，您了解OLAP是什么吗？答： OLAP是一种面向主题的数据分析方式，可以帮助用户对快速变化的数据进行多维分析和决策支持。

第1章数据仓库的概念与体系结构1.数据仓库就是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合。

2.元数据是描述数据仓库内数据的结构和建立方法的数据，它为访问数据仓库提供了一个信息目录，根据元数据用途的不同可将数据仓库的元数据分为技术元数据和业务元数据两类。

3.数据处理通常分成两大类：联机事务处理OLTP和联机分析处理OLAP。

4.多维分析是指对以“维”形式组织起来的数据（多维数据集）采取切片（Slice）、切块（dice）、钻取（Drill-down 和Roll-up 等）和旋转（pivot）等各种分析动作，以求剖析数据，使用户能从不同角度、不同侧面观察数据仓库中的数据，从而深入理解多维数据集中的信息。

5. ROLAP是基于关系数据库的OLAP实现，而MOLAP是基于多维数据结构组织的OLAP实现。

6.数据仓库按照其开发过程，其关键环节包括数据抽取、数据存储与管理和数据表现等。

7.数据仓库系统的体系结构根据应用需求的不同，可以分为以下4种类型：两层架构、独立型数据集市、依赖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.操作型数据存储实际上是一个集成的、面向主题的、可更新的、当前值的（但是可“挥发”的）、企业级的、详细的数据库，也叫运营数据存储。

9.“实时数据仓库”意味着源数据系统、决策支持服务和数据仓库之间以一个接近实时的速度交换数据和业务规则。

10.从应用的角度看，数据仓库的发展演变可以归纳为5个阶段：以报表为主、以分析为主、以预测模型为主、以营运导向为主、以实时数据仓库和自动决策为主。

11.什么是数据仓库？数据仓库的特点主要有哪些？答：数据仓库就是一个面向主题的（Subject Oriented）、集成的（Integrate）、相对稳定的（Non-Volatile）、反映历史变化（Time Variant）的数据集合，通常用于辅助决策支持。

数据仓库的特点包含以下几个方面：（1）面向主题。

第一章数据仓库与数据挖掘概述1.数据库与数据仓库的本质差别是什么？答：数据库用于事务处理，数据仓库用于决策分析;数据库保持事务处理的当前状态，数据仓库既保存过去的数据又保存当前的数据;数据仓库的数据是大量数据库的集成;对数据库的操作比较明确，操作数据量少,对数据仓库操作不明确，操作数据量大。

数据库是细节的、在存取时准确的、可更新的、一次操作数据量小、面向应用且支持管理；数据仓库是综合或提炼的、代表过去的数据、不更新、一次操作数据量大、面向分析且支持决策。

6.说明OLTP与OLAP的主要区别。

答：OLTP针对的是细节性数据、当前数据、经常更新、一次性处理的数据量小、对响应时间要求高且面向应用，事务驱动； OLAP针对的是综合性数据、历史数据、不更新，但周期性刷新、一次处理的数据量大、响应时间合理且面向分析，分析驱动。

8.元数据的定义是什么？答：元数据（metadata）定义为关于数据的数据（data about data），即元数据描述了数据仓库的数据和环境。

9.元数据与数据字典的关系什么？答：在数据仓库中引入了“元数据”的概念，它不仅仅是数据仓库的字典，而且还是数据仓库本身信息的数据。

18.说明统计学与数据挖掘的不同。

答：统计学主要是对数量数据（数值）或连续值数据（如年龄、工资等），进行数值计算（如初等运算）的定量分析，得到数量信息。

数据挖掘主要对离散数据（如职称、病症等）进行定性分析（覆盖、归纳等），得到规则知识。

19.说明数据仓库与数据挖掘的区别与联系。

答：数据仓库是一种存储技术，它能适应于不同用户对不同决策需要提供所需的数据和信；数据挖掘研究各种方法和技术，从大量的数据中挖掘出有用的信息和知识。

数据仓库与数据挖掘都是决策支持新技术。

但它们有着完全不同的辅助决策方式。

在数据仓库系统的前端的分析工具中，数据挖掘是其中重要工具之一。

它可以帮助决策用户挖掘数据仓库的数据中隐含的规律性。

数据仓库和数据挖掘的结合对支持决策会起更大的作用。

第一章作业1．数据库及数据仓库的本质差别是什么？书P2（1）数据库用于事务处理，数据仓库用于决策分析。

（2）数据库保持事物处理的当前状态，数据仓库即保存过去的数据又保存当前的数据。

（3）数据仓库的数据是大量数据库的集成。

（4）对数据库的操作比较明确，操作数量较小。

对数据仓库操作不明确，操作数据量大。

2．从数据库发展到数据仓库的原因是什么？书P1（1）数据库数据太多，信息贫乏。

如何将大量的数据转化为辅助决策信息成为了研究热点。

（2）异构环境数据的转换和共享。

随着各类数据库产品的增加，异构环境的数据也逐渐增加，如何实现这些异构环境数据的转换的共享也成了研究热点。

（3）利用数据进行事物处理转变为利用数据支持决策。

3．举例说明数据库及数据仓库的不同。

比如，银行中储蓄业务要建立储蓄数据库，信用卡要建立信用卡数据库，贷款业务要建立贷款数据库，这些数据库方便了银行的事务处理。

但是要对这些独立数据库进行决策分析就很复杂了。

因此可以把这些数据库中的数据存储转化到数据仓库中，方便进行决策。

4.( ,联机事物处理)是在网络环境下的事务处理工作，以快速的响应和频繁的数据修改为特征，使用户利用数据库能够快速地处理具体的业务。

（，联机分析处理）是使用多维数据库和多维分析的方法，对多个关系数据库共同进行大量的综合计算来得到结果的方法。

5.是用户的数据可以立即传送到计算中心进行处理，并在很短的时间内给出处理结果。

6.7．包括数据项、数据结构、数据流、数据存储和处理过程五个部分。

8．定义为关于数据的数据，描述数据仓库中数据及其环境的数据。

9．元数据不仅仅是数据仓库的字典，而且还是数据仓库本身功能的说明数据，是整个数据仓库的核心。

数据字典是关于数据库中数据的描述，而不是数据本身，数据字典是数据库的元数据。

10 .数据仓库的定义是什么？答：（1）对数据仓库的定义：数据仓库是面向主题的，集成的、稳定的、不同时间的数据集合，用于支持经营管理中决策制定过程。

第四章作业1.数据仓库的需求分析的任务是什么？P67需求分析的任务是通过详细调查现实世界要处理的对象（企业、部门用户等），充分了解源系统工作概况，明确用户的各种需求，为设计数据仓库服务。

概括地说，需求分析要明确用那些数据经过分析来实现用户的决策支持需求。

2.数据仓库系统需要确定的问题有哪些？P67、、（1）确定主题域a)明确对于决策分析最有价值的主题领域有哪些b)每个主题域的商业维度是那些？每个维度的粒度层次有哪些？c)制定决策的商业分区是什么？d)不同地区需要哪些信息来制定决策？e)对那个区域提供特定的商品和服务？（2）支持决策的数据来源a)那些源数据与商品的主题有关？b)在已有的报表和在线查询（OLTP）中得到什么样的信息？c)提供决策支持的细节程度是怎么样的？（3）数据仓库的成功标准和关键性指标a)衡量数据仓库成功的标准是什么？b)有哪些关键的性能指标？如何监控？c)对数据仓库的期望是什么？d)对数据仓库的预期用途有哪些？e)对计划中的数据仓库的考虑要点是什么？（4）数据量与更新频率a)数据仓库的总数据量有多少？b)决策支持所需的数据更新频率是多少？时间间隔是多长？c)每种决策分析与不同时间的标准对比如何？d)数据仓库中的信息需求的时间界限是什么？3.实现决策支持所需要的数据包括哪些内容？P68（1）源数据（2）数据转换（3）数据存储（4）决策分析4．概念：将需求分析过程中得到的用户需求抽象为计算机表示的信息结构，叫做概念模型。

特点：（1）能真实反映现实世界，能满足用户对数据的分析，达到决策支持的要求，它是现实世界的一个真实模型。

（2）易于理解，便利和用户交换意见，在用户的参与下，能有效地完成对数据仓库的成功设计。

（3）易于更改，当用户需求发生变化时，容易对概念模型修改和扩充。

（4）易于向数据仓库的数据模型（星型模型）转换。

5．用长方形表示实体，在数据仓库中就表示主题，椭圆形表示主题的属性，并用无向边把主题与其属性连接起来；用菱形表示主题之间的联系，用无向边把菱形分别与有关的主题连接；若主题之间的联系也具有属性，则把属性和菱形也用无向边连接上。

数据仓库与数据挖掘教程（第2版）课后习题答案第七章第七章作业1.信息论的基本原理是什么？一个传递信息的系统是由发送端(信源)和接收端(信宿)以及连接两者的通道(信道)组成的。

信息论把通信过程看做是在随机干扰的环境中传递信息的过程。

在这个通信模型中，信息源和干扰(噪声)都被理解为某种随机过程或随机序列。

在进行实际的通信之前，收信者(信宿)不可能确切了解信源究竟会发出什么样的具体信息，也不可能判断信源会处于什么样的状态。

这种情形就称为信宿对于信源状态具有不确定性，而且这种不确定性是存在于通信之前的，因而又叫做先验不确定性。

在通信后，信宿收到了信源发来的信息，这种先验不确定性才会被消除或者被减少。

如果干扰很小，不会对传递的信息产生任何可察觉的影响，信源发出的信息能够被信宿全部收到，在这种情况下，信宿的先验不确定性就会被完全消除。

但是，在一般情况下，干扰总会对信源发出的信息造成某种破坏，使信宿收到的信息不完全。

因此，先验不确定性不能全部被消除, 只能部分地消除。

换句话说，通信结束之后，信宿仍具有一定程度的不确定性。

这就是后验不确定性。

2.学习信道模型是什么？学习信道模型是信息模型应用于机器学习和数据挖掘的具体化。

学习信道模型的信源是实体的类别，采用简单“是”、“非”两类，令实体类别U 的值域为{u1，u2}，U 取u1表示取“是”类中任一例子，取u2表示取“非”类中任一例子。

信宿是实体的特征（属性）取值。

实体中某个特征属性V ，他的值域为{v1，v2……vq}。

3.为什么机器学习和数据挖掘的分类问题可以利用信息论原理？信息论原理是数据挖掘的理论基础之一。

一般用于分类问题，即从大量数据中获取分类知识。

具体来说，就是在已知各实例的类别的数据中，找出确定类别的关键的条件属性。

求关键属性的方法，即先计算各条件属性的信息量，再从中选出信息量最大的属性，信息量的计算是利用信息论原理中的公式。

4自信息：单个消息ui 发出前的不确定性（随机性）称为自信息。

数据仓库与数据挖掘学习要点及答案数据仓库与数据挖掘学习要点及答案数据仓库和数据挖掘是现代信息技术中非常重要的概念和技术。

数据仓库是一个用于存储、管理和分析大量结构化和非结构化数据的集中式数据存储系统。

数据挖掘则是从大量数据中发现有用信息、模式和关联的过程。

本文将详细介绍数据仓库和数据挖掘的学习要点及答案。

一、数据仓库学习要点1. 数据仓库的定义和特点：数据仓库是一个面向主题的、集成的、稳定的、非易失的数据集合，用于支持管理决策。

数据仓库具有以下特点：面向主题，集成性，稳定性，非易失性。

2. 数据仓库的架构：数据仓库的架构包括数据源层、数据抽取层、数据存储层和数据展示层。

数据源层用于存储原始数据，数据抽取层用于将原始数据抽取到数据存储层，数据存储层用于存储清洗后的数据，数据展示层用于展示数据分析结果。

3. 数据仓库的建模：数据仓库的建模包括概念建模、逻辑建模和物理建模。

概念建模用于定义数据仓库的主题和维度，逻辑建模用于定义数据仓库的数据模型，物理建模用于定义数据仓库的物理存储结构。

4. 数据仓库的ETL过程：ETL是指将数据从源系统中抽取出来，经过清洗、转换和加载等过程，最终加载到数据仓库中。

ETL过程包括数据抽取、数据清洗、数据转换和数据加载四个步骤。

5. 数据仓库的查询和分析：数据仓库的查询和分析是通过使用OLAP（联机分析处理）和数据挖掘技术来实现的。

OLAP技术可以进行多维数据分析，数据挖掘技术可以从大量数据中发现有用的信息和模式。

二、数据仓库学习答案1. 数据仓库的定义和特点：数据仓库是一个面向主题的、集成的、稳定的、非易失的数据集合，用于支持管理决策。

数据仓库的特点包括：- 面向主题：数据仓库以主题为中心，将相关的数据集中存储，方便用户进行主题分析。

- 集成性：数据仓库将来自不同数据源的数据进行整合，消除了数据冗余和不一致性。

- 稳定性：数据仓库的数据是经过清洗和转换的，保证了数据的准确性和一致性。

数据仓库与数据挖掘_北京理工大学中国大学mooc课后章节答案期末考试题库2023年1.假设属性income的最大最小值分别是12000元和98000元。

利用最大最小规范化的方法将属性的值映射到0至1的范围内。

对属性income的73600元将被转化为：（）参考答案:0.7162.数据的可视化是将数据以各种图表的形式展现在用户的面前，使用户能观察数据，并在较高的层次上找出数据间可能的关系。

参考答案:正确3.数据挖掘和可视化都是知识提取的方式。

参考答案:正确4.面向应用场景的可视化交互式数据挖掘方法是以数据挖掘算法和模型为主，并不针对具体应用场景或数据类型参考答案:错误5.将原始数据进行集成、变换、维度规约、数值规约是以下哪个步骤的任务？（）参考答案:数据预处理6.数据仓库的数据ETL过程中，ETL软件的主要功能包括（）参考答案:数据抽取_数据加载_数据转换7.数据挖掘的主要任务是从数据中发现潜在规则，从而能更好的完成描述数据、预测数据的任务。

参考答案:正确8.传统数据仓库包括数据仓库数据库、数据抽取/转换/加载、元数据、访问工具、数据集市、和信息发布系统七个部分组成。

参考答案:数据仓库管理9.关联规则挖掘过程是发现满足最小支持度的所有项集代表的规则。

参考答案:错误10.假定你现在训练了一个线性SVM并推断出这个模型出现了欠拟合现象。

在下一次训练时，应该采取下列什么措施？（）参考答案:增加特征11.下面哪一项关于CART的说法是错误的（）参考答案:CART输出变量只能是离散型。

12.以下哪种方法不是常用的数据约减方法（）参考答案:关联规则挖掘13.假设12个销售价格记录组已经排序如下：5, 10, 11, 13, 15,35, 50, 55, 72, 92,204, 215 使用如下每种方法将它们划分成四个箱。

等频（等深）划分时，15在第几个箱子内？ ()参考答案:第二个14.下表是一个购物篮，假定支持度阈值为40%，其中（）是频繁闭项集。

数据仓库与数据挖掘教程（第2版）课后习题答案第五章第五章作业1．数据仓库的两类用户有什么本质的不同？P96数据仓库的用户有两类：信息使用者和探索者。

信息使用者是使用数据仓库的大量用户，信息使用者以一种可以预测的、重复性的方式使用数据仓库平台。

探索者完全不同于信息使用者，他们有一个完全不可预测的、非重复性的数据使用模式。

2．数据仓库的信息使用者与数据库的信息使用者有什么不同？数据库的信息使用者主要关心当前某一个时间段内的数据，而数据仓库的信息使用者关心企业从过去某一时点(如开始应用数据仓库的时点)到目前的各个阶段的信息，通过这些信息，可以对企业的发展历程和未来趋势做出定量分析和预测。

3.1非规格化规范化的作用是产生一种完全没有数据冗余的设计方法。

但是，有时在数据仓库设计中引入一些有限的数据冗余来提高数据访问效果。

2创建数据阵列创建数据阵列，将相关类型的数据(如：1月、2月、3月等月份中的数据)存储在一起，提高访问效果。

3预连接表格一个公用键和共同使用的数据将表格合并在一起。

共享一个公用键，可以将多个表格合并到一个物理表格中。

这样做可以很大程度的提高数据访问效率。

4预聚集数据根据“滚动概括”结构来组织数据。

当数据被输入到数据仓库中时，以每小时为基础存储数据。

在这一天结束时，以每天为基础存储累加每小时的数据。

在一周结束时，以每周为基础存储累加每天的数据。

月末时，则以每月为基础存储累加每周的数据。

5聚类数据将不同类型的数据记录放置在相同的物理位置。

这为用户查看这些记录，可以在同一地点找到它们，提高查询效率。

6压缩数据压缩可以使可读取的数据量极大。

定期净化数据定期删除数据仓库中不需要的数据，可以为每个用户提高性能。

7合并查询如果查询定期发生，那么可以通过把这些查询合并到同一个表格中，从而节省大量资源。

4. 增加一些数据冗余，相当于增加了某些相同的数据，这些数据往往是我们很需要的或者是经常被使用的，由于这些数据所占总量的比例增加，所以被访问的概率增加，从而减少了查询时间，提高了查询速度。

数据仓库与数据挖掘技术答案一、简答1.为什么需要对数据进行预处理？数据预处理主要包括哪些工作（需要对数据进行哪些方面预处理）?（1）现实世界的数据是杂乱的，数据多了什么问题会出现。

数据库极易受到噪音数据(包含错误或孤立点）、遗漏数据（有些感兴趣的属性缺少属性值或仅包含聚集数据）和不一致数据（在编码或者命名上存在差异）的侵扰，因为数据库太大，常常多达几G或更多。

进行数据预处理，提高数据质量，从而提高挖掘结果质量。

（2）数据预处理主要包括：数据清理：去除数据中的噪音、纠正不一致；数据集成：将数据由多个源合并成一致的数据存储，如数据仓库或数据方；数据交换：规范化或聚集可以改进涉及距离度量的挖掘算法精度和有效性；数据归约：通过聚集、删除冗余特征或聚类等方法来压缩数据。

数据离散化：属于数据归约的一部分，通过概念分层和数据的离散化来规约数据，对数字型数据特别重要。

2. 什么叫有监督学习？什么叫无监督学习？） 是通过发现数据属性和类别属性之间的关联模式，并通监督学习（Supervised learning或归纳过利用这些模式来预测未知数据实例的类别属性。

监督学习又称为分类Classification。

学习Inductive Learning无监督学习（Unsupervised learning）即聚类技术。

在一些应用中，数据的类别属性是缺失的，用户希望通过浏览数据来发现其的某些内在结构。

聚类就是发现这种内在结构的技术。

3.什么是数据仓库的星形模式？它与雪花模式有何不同？雪花模式与星形模式不同在于：雪花模式的维表可能是规范化形式，以便减少冗余。

这种表易于维护，并节省存储空间，因为当维结构作为列包含在内时，大维表可能非常大。

然而，与巨大的事实表相比，这种空间的节省可以忽略。

此外，由于执行查询更多的连接操作，雪花结构可能降低浏览的性能。

这样系统的性能可能受影响。

因此，在数据仓库设计中，雪花模式不如星形模式流行。

二、写出伪代码三答：（1）所有频繁项集为：[E,K,O] [K,M] [K,Y] (2) 关联规则:[O]->[E,K] 1.0[E,O] -> [K] 1.0[K,O] -> [E] 1.01.0[M] -> [K][Y] -> [K] 1.0答：a)决策树表示一种树型结构，它由它的分来对该类型对象依靠属性进行分类。

第三章作业1.联机分析处理（OLAP）的简单定义是什么？它体现的特征是什么。

P40联机分析处理是共享多维信息的快速分析。

它体现在四个特征：（1）快速性（2）可分析性（3）多维性（4）信息性2.OLAP准则中的主要准则有哪些？P41（1）多维概念视图（2）透明性（3）可访问性（4）一直稳定的报表性能（5）客户/服务器体系结构（6）维的等同性（7）动态的系数矩阵处理（8）多用户支持能力（9）非限定的跨维操作（10）直观的数据操作（11）灵活的报表生成（12）不受限制的维和聚集层次3. 什么是维？关系数据库是二维数据吗？如何理解多维数据？P43维是人们观察数据的特定角度。

关系数据库不是二维数据，只是通过二维关系表示了数据的多维概念。

多维数据就是从多个特定角度来观察特定的变量。

4.MDDB（Multi Dimensional Database, 多维数据库）是以多维的方式组织数据，即以维作为坐标系，采用类似于数组的形式存储数据。

RDBMS（relational database management system，关系型数据库管理系统）通过数据、关系和对数据的约束三者组成的数据模型来存放和管理数据MDDB特点：1.数据库中的元素具有相同的数值2.多维数据库表达清晰，3.占用存储少RDBMS的特点：1.数据以表格的形式出现2.每行为各种记录名称3.每列为记录名称所对应的数据域4.许多的行和列组成一张表单5.若干的表单组成database5.1.数据存取速度ROLAP服务器需要将SQL语句转化为多维存储语句，临时“拼合”出多维数据立方体。

因此，ROLAP的响应时间较长。

MOLAP在数据存储速度上性能好，响应速度快。

2.数据存储的容量ROLAP使用的传统关系数据库的存储方法，在存储容量上基本没有限制。

MOLAP通常采用多平面叠加成立体的方式存放数据。

当数据量超过操作系统最大文件长度时，需要进行数据分割。

多维数据库的数据量级难以达到太大的字节级。

数据仓库与数据挖掘学习要点第一章 引言1、数据挖掘的概念，即什么是数据挖掘？数据挖掘--从大量数据中寻找其规律的技术，是统计学、数据库技术和人工智能技术的综合。

2、数据挖掘的过程。

数据输入数据清理规范化特征选择维缩减模式发现关联&相关分类聚类异常分析…………模式评估模式选择模式解释模式可视化3、数据挖掘的功能是什么？即可以挖掘到什么类型的模式。

1）概念描述: 特征和区分 2）频繁模式,关联 3）分类和预测 4）聚类分析 5）离群点分析 6）趋势和演变分析4、数据挖掘模式是要挖掘有趣的模式。

什么是有趣模式，为什么要挖掘有趣的模式？ 有趣模式：易于被人理解的, 在某种程度上在新的或测试数据上是有效的, 潜在有用的, 新颖的, 或验证了用户希望证实的某种假设 模式兴趣度度量，无论是客观的还是主观的，都可以用来指导发现过程5、关系数据库、数据仓库、数据挖掘构成一个怎样的层次，在功能上它们之间有什么样的关系？多种挖掘功能的集成、耦合第二章 数据预处理1、 为什么要预处理数据？现实世界中的数据是脏的：1）不完全: 缺少属性值, 缺少某些有趣的属性, 或仅包含聚集数据2）噪音: 包含错误或孤立点3）不一致: 编码或名字存在差异2、 数据预处理包括那些方面？数据清理——填充缺失值, 识别/去除离群点, 光滑噪音, 并纠正数据中的不一致 数据集成——多个数据库, 数据立方体, 或文件的集成数据变换——规范化和聚集数据归约——得到数据的归约表示, 它小得多, 但产生相同或类似的分析结果：维度规约、数值规约、数据压缩数据离散化和概念分层3、数据清理的概念，数据清理包括那些方面？数据清理——填充缺失值, 识别/去除离群点, 光滑噪音, 并纠正数据中的不一致数据清理包括缺失值、噪声数据、不一致性、偏差检测和数据交换4、数据集成和变换的概念。

数据集成——多个数据库, 数据立方体, 或文件的集成数据变换——规范化和聚集5、数据规约的概念，数据规约包括那些方面？数据归约——得到数据的归约表示, 它小得多, 但产生相同或类似的分析结果：维度规约、数值规约、数据压缩数据规约包括数据立方体聚集、维度规约、数据压缩、数值规约、离散化和产生概念分层6、什么是数据离散化？什么是概念分层？数据离散化——把连续属性的区域分成区间概念分层——递归离散化属性，产生属性值分层/多分辨率划分第三章数据仓库与OLAP技术1、数据仓库的概念数据仓库是面向主题的, 集成的, 时变的, 和非易失的数据集合, 支持管理决策过程2、为什么需要数据仓库？数据仓库，是在数据库已经大量存在的情况下，为了进一步挖掘数据资源、为了决策需要而产生的，目的是OLAP: 复杂的OLAP 查询, 多维视图, 统一.文档收集自网络，仅用于个人学3、什么是数据立方体？数据立方体将数据建模, 并允许由多个维进行观察4、掌握数据立方体各种操作：上卷、下钻、切块、切片。

数据仓库与数据挖掘智慧树知到课后章节答案2023年下济南大学济南大学绪论单元测试1.数据挖掘的目标不在于数据采集策略，而在于对于已经存在的数据进行模式的发掘。

（）A:错 B:对答案:对第一章测试1.图挖掘技术在社会网络分析中扮演了重要的角色。

（）A:对 B:错答案:对2.数据挖掘的主要任务是从数据中发现潜在的规则，从而能更好的完成描述数据、预测数据等任务。

( )A:对 B:错答案:对3.DSS主要是基于数据仓库.联机数据分析和数据挖掘技术的应用。

（）A:对 B:错答案:对4.建立一个模型，通过这个模型根据已知的变量值来预测其他某个变量值属于数据挖掘的哪一类任务？( )A:建模描述B:根据内容检索C:寻找模式和规则D:预测建模答案:预测建模5.以下哪些学科和数据挖掘有密切联系？( )A:计算机组成原理B:矿产挖掘C:统计D:人工智能答案:统计;人工智能第二章测试1.下面哪个不属于数据的属性类型：( )A:区间B:序数C:相异D:标称答案:相异2.在上题中，属于定量的属性类型是：( )A:序数B:区间C:相异D:标称答案:区间3.只有非零值才重要的二元属性被称作：( )A:计数属性B:对称属性C:离散属性D:非对称的二元属性答案:非对称的二元属性4.以下哪种方法不属于特征选择的标准方法： ( )A:嵌入B:包装C:过滤D:抽样答案:抽样5.离群点可以是合法的数据对象或者值。

（）答案:对第三章测试1.下面哪些属于可视化高维数据技术 ( )A:星形坐标B:平行坐标系C:矩阵D:Chernoff脸E:散布图答案:星形坐标;平行坐标系;矩阵;Chernoff脸2.下面哪种不属于数据预处理的方法？ ( )A:聚集B:离散化C:变量代换D:估计遗漏值答案:估计遗漏值3.联机分析处理包括以下哪些基本分析功能？ ( )A:转轴B:聚类D:分类E:切片答案:转轴;切块;切片4.检测一元正态分布中的离群点，属于异常检测中的基于（）的离群点检测。

考试思考题数据仓库的主要特点，数据仓库的主要应用；特点（P6）:（1）数据仓库是面向主题的（2）数据仓库是集成的（3）数据仓库是稳定的（4）数据仓库是随时间变化的（5）数据仓库中数据量很大（6）数据仓库软硬件要求较高。

应用：数据仓库可以用于建立决策支持系统（P13）数据仓库的决策支持功能有：(1) 对当前和历史数据完成查询和报表处理(2) 可以用不同方法进行“如果，将怎样（what-if）”分析(3) 从综合数据到细节数据，深入追踪钻取查询，寻找问题出现原因(4) 认清过去的发展趋势，并将其应用于对未来结果的分析（5）商业智能（P14）1、元数据的定义以及元数据的主要特点；元数据定义（P5）：元数据被定义为关于数据的数据。

元数据的主要特点（P5）：元数据在数据仓库中不仅定义了数据仓库有什么，还指明了数据仓库中信息的内容和位置木刻画了数据的抽取和转换规则说明，存储了与数据仓库主题有关的各种商业信息，而整个数据仓库的运行都是基于元数据的，如元数据的修改、跟踪、抽取、装入、综合以及使用等。

因为元数据遍及数据仓库的所有方面，因此它已经成为整个数据仓库的核心。

2、商业智能的主要特点和发展方向；P14 P15-16主要特点：（1）商业智能以数据仓库为基础，通过联机分析处理和数据挖掘技术帮助企业领导者针对市场变化的环境做出快速准确的决策。

（2）信息共享（3）实时反馈分析（4）鼓励用户找出问题的根本原因（5）使用主动智能（6）实时智能发展方向：商业智能的发展要求其不仅仅能为决策层提供支持，同时也能服务于普通的业务人员;不仅能从整个战略层面进行综合分析，还能够在具体的战术层面进行详细指导。

主要特点：1、即时性传统手工数掘处理，从数掘收集、整理到分类、汇总，都需要经历漫长的时间过程。

但是，商业智能使用的技术，可以实时地从业务系统中获得最新的数据。

在对时间性敏感的决策分析中，这一点尤其重要。

2、准确性在准确性方面，因为计算机数据处理，避免了手工操作中存在的失误，所以计算结果是绝对准确和可靠的。

第六章作业1.数据挖掘与知识发现两个概念有什么不同？P116知识发现被认为是从数据中发现有用知识的整个过程。

数据挖掘被认为是知识发现过程中的一个特定步骤，它用专门算法从数据中抽取模式。

2.知识发现过程由哪三部分组成？每部分的工作是什么？P116KDD过程可以概括为三个子步骤：数据准备、数据挖掘和结果的解释和评价。

数据准备：数据准备又可分为三个子步骤：数据选取、数据预处理和数据变换。

数据选取的目的是确定发现任务的操作对象，即目标数据，它是根据用户的需要从原始数据库中抽取的一组数据。

数据预处理一般可能包括消除噪声、推导计算缺值数据、消除重复记录、完成数据类型转换（如把连续值数据转换为离散型的数据，以便于符号归纳；或是把离散型的转换为连续值型的，以便于神经网络归纳）等。

当数据开采的对象是数据仓库时，一般来说，数据预处理已经在生成数据仓库时完成了。

数据变换的主要目的是消减数据维数或降维，即从初始特征中找出真正有用的特征以减少数据开采时要考虑的特征或变量个数。

数据挖掘：数据挖掘是利用一系列方法或算法从数据中获取知识。

按照数据挖掘任务的不同，数据挖掘方法分类分为聚类、分类、关联规则发现等。

结果的解释和评价：数据挖掘阶段发现的模式，经过用户或机器的评估，可能存在冗余或无关的模式，这时需要将其剔除；也有可能模式不满足用户要求，这时则需要让整个发现过程退回到发现阶段之前，如重新选取数据、采用新的数据变换方法、设定新的数据挖掘参数值，甚至换一种挖掘算法（如当发现任务是分类时，有多种分类方法，不同的方法对不同的数据有不同的效果）。

另外，由于KDD最终是面向人类用户的，因此可能要对发现的模式进行可视化，或者把结果转换为用户易懂的另一种表示，如把分类决策树转换为“if...then...”规则。

3.数据挖掘的对象有哪些？他们各自的特点是什么？P1181.关系数据库特点：（1）数据动态性（2）数据不完全性（3）数据噪声（4）数据冗余性（5）数据稀疏性（6）海量数据2.文本特点：（1）关键词或特征提取（2）相似检索（3）文本聚类（4）文本数据3.图像与视频数据特点：（1）图像与视频特征提取（2）基于内容的相似检索（3）视频镜头的编辑与组织4.web数据（1）异构数据集成和挖掘（2）半结构化数据模型抽取4.1)．关联分析若两个或多个数据项的取值之间重复出现且概率很高时，它就存在某种关联，可以建立起这些数据项的关联规则。

第七章作业第七章作业说明等价关系、等价类以及划分的定义。

说明等价关系、等价类以及划分的定义。

等价关系：对于∀a ∈A （A 中包含一个或多个属性），A ⊆R ，x ∈U ，y ∈U ，他们的属性值相同，即fa （x ）= b （y ）成立，称对象x 和y 是对属性A 的等价关系。

的等价关系。

等价类：在U 中，对属性集A 中具有相同等价关系的元素集合成为等价关系IND （A ）的等价类。

的等价类。

划分：在U 中对属性A 的所有等价类形成的划分表示为A={Ei | Ei=[xi]a ，i=1,2，… }说明集合X 的上、下近似关系定义。

的上、下近似关系定义。

下近似定义：下近似定义：任一一个子集X ⊆U ，属性A 的等价类Ei=[x]A ，有：A-（X ）=U{Ei|Ei ∈A ∧Ei Ei⊆⊆X} 或A-（X ）={x|[x]A ={x|[x]A⊆⊆X} 表示等价类Ei=[x]A 中的元素x 都属于X ，即∀x ∈A-（X ），则x一定属于X 。

上近似定义：上近似定义：任一一个子集X ⊆U ，属性A 的等价类Ei=[x]A ，有：A-（X ）=U{Ei|Ei ∈A ∧Ei ∩X ≠∅}或A-（X ）={x|[x]A ∩X ≠∅} 表示等价类Ei=[x]A 中的元素x 可能属于X ，即∀x ∈A-（X ），则x 可能属于X ，也可能不属于X 。

说明正域、负域和边界的定义。

说明正域、负域和边界的定义。

全集U 可以划分为三个不相交的区域，即正域（pos ），负域（neg ）和边界（bnd ）： POSA(X)= A-（X ）NEGA(X)=U- A-（X ） BNDA(X) = A-（X ）-A-（X ）4.粗糙集定义：粗糙集定义：若 ，即，即 ， 即边界为空，称X 为A 的可定义集；的可定义集； 否则X 为A 不可定义的，不可定义的，即 ，称X 为A 的Rough 集（粗糙集）集（粗糙集） 确定度定义：确定度定义： ()A U A X A X X U a ----=其中U 和A X A X ---分别表示集合U 、（AX AX ---）中的元素个数）中的元素个数5. 在信息表中根据等价关系，我们可以用等价类中的一个对象（元组）来代表整个等价类，这实际上是按纵方向约简了信息表中数据。

数据仓库与数据挖掘第一章课后习题一：填空题1）数据库中存储的都是数据，而数据仓库中的数据都是一些历史的、存档的、归纳的、计算的数据。

2）数据仓库中的数据分为四个级别：早起细节级、当前细节级、轻度综合级、高度综合级。

3）数据源是数据仓库系统的基础，是整个系统的数据源泉，通常包括业务数据和历史数据。

4）元数据是“关于数据的数据”。

根据元数据用途的不同将数据仓库的元数据分为技术元数据和业务元数据两类。

5）数据处理通常分为两大类：联机事务处理和联机事务分析6）Fayyad过程模型主要有数据准备，数据挖掘和结果分析三个主要部分组成。

7）如果从整体上看数据挖掘技术，可以将其分为统计分析类、知识发现类和其他类型的数据挖掘技术三大类。

8）那些与数据的一般行为或模型不一致的数据对象称做孤立点。

9）按照挖掘对象的不同，将Web数据挖掘分为三类：web内容挖掘、web结构挖掘和web 使用挖掘。

10）查询型工具、分析型工具盒挖掘型工具结合在一起构成了数据仓库系统的工具层，它们各自的侧重点不同，因此适用范围和针对的用户也不相同。

二：简答题1）什么是数据仓库？数据仓库的特点主要有哪些？数据仓库是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合，用于支持管理决策。

主要特点：面向主题组织的、集成的、稳定的、随时间不断变化的、数据的集合性、支持决策作用2）简述数据挖掘的技术定义。

从技术角度看，数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的实际数据中，提取隐含在其中的、人们不知道的、但又是潜在有用的信息和知识的过程。

3）什么是业务元数据？业务元数据从业务角度描述了数据仓库中的数据，它提供了介于使用者和实际系统之间的语义层，使得不懂计算机技术的业务人员也能够读懂数据仓库中的数据4）简述数据挖掘与传统分析方法的区别。

本质区别是：数据挖掘是在没有明确假设的前提下去挖掘信息、发现知识。

数据挖掘所得到的信息应具有先前未知、有效和实用三个特征。