当前位置：文档之家 › (完整word版)数据挖掘课后答案

(完整word版)数据挖掘课后答案

  • 格式：doc
  • 大小：333.00 KB
  • 文档页数：17

(完整word版)数据挖掘课后答案

第一章

1．6

(1)数据特征化是目标类数据的一般特性或特征的汇总。

例如，在某商店花费1000元以上的顾客特征的汇总描述是：年龄在40—50岁、有工作和很好的信誉等级。

（2）数据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,高平均分数的学生的一般特点,可与低平均分数的学生的一般特点进行比较.由此产生的可能是一个相当普遍的描述，如平均分高达75％的学生是大四的计算机科学专业的学生，而平均分低于65%的学生则不是.

（3)关联和相关分析是指在给定的频繁项集中寻找相关联的规则.

例如，一个数据挖掘系统可能会发现这样的规则：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％的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的，则拥有个人电脑的可能性是98%。12％的支持度意味着所研究的所有事务的12％显示属于计算机科学专业的学生都会拥有个人电脑。

（4)分类和预测的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的数据，而且往往是数值，数据集的预测。它们的相似之处是它们都是为预测工具：分类是用于预测的数据和预测对象的类标签，预测通常用于预测缺失值的数值数据。

例如：某银行需要根据顾客的基本特征将顾客的信誉度区分为优良中差几个类别，此时用到的则是分类;当研究某只股票的价格走势时，会根据股票的历史价格来预测股票的未来价格，此时用到的则是预测。

（5）聚类分析数据对象是根据最大化类内部的相似性、最小化类之间的相似性的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，把类似的事件组织在一起。

例如：世界上有很多种鸟，我们可以根据鸟之间的相似性，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的对象的规律或趋势，并对其建模。这可能包括时间相关数据的特征化、区分、关联和相关分、分类、预测和聚类，这类分析的不同特点包括时间序列数据分析、序列或周期模(完整word版)数据挖掘课后答案

式匹配和基于相似性的数据分析。

例如：假设你有纽约股票交易所过去几年的主要股票市场(时间序列）数据，并希望投资高科技产业公司的股票。股票交易数据挖掘研究可以识别整个股票市场和特定的公司的股票的演变规律。这种规律可以帮助预测股票市场价格的未来走向，帮助你对股票投资做决策。

1．11 一种是聚类的方法，另一种是预测或回归的方法。

（1）聚类方法：聚类后，不同的聚类代表着不同的集群数据。这些数据的离群点，是不属于任何集群。在各种各样的聚类方法当中，基于密度的聚类可能是最有效的。

（2）使用预测或回归技术：构建一个基于所有数据的概率(回归)模型,如果一个数据点的预测值有很大的不同给定值，然后给定值可考虑是异常的.

用聚类的方法来检查离群点更为可靠,因为聚类后，不同的聚类代表着不同的集群数据，离群点是不属于任何集群的，这是根据原来的真实数据所检查出来的离群点。而用预测或回归方法，是通过构建一个基于所有数据的（回归）模型，然后根据预测值与原始数据的值比较，当二者相差很大时,就将改点作为离群点处理，这对所建立的模型有很大的依赖性，另外所建立的模型并不一定可以很好地拟合原来的数据，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.所以用聚类的方法来检查离群点更为可靠

1．15

挖掘海量数据的主要挑战是：

1） 第一个挑战是关于数据挖掘算法的有效性、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的和可接受的，且算法必须是高效率和可扩展的。

2） 另一个挑战是并行处理的问题,数据库的巨大规模、数据的广泛分布、数据挖掘过程的高开销和一些数据挖掘算法的计算复杂性要求数据挖掘算法必须具有并行处理的能力，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的结果。

(完整word版)数据挖掘课后答案

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的区间。

min_min)_max_(minmaxmin'newnewnewvv

(2）z-score规范化（零均值规范化）：将某组数据的值基于它的均值和标准差规范化，是其规范化后的均值为0方差为1。

vv'，其中是均值，是标准差

（3）小数定标规范化:通过移动属性A的小数点位置进行规范化。

的最小整数是使得其中，1vMaxj10jvv

(a）min—max规范化

min_min)_max_(minmaxmin'newnewnewvv

其中v是原始数据，min和max是原始数据的最小和最大值,new_max和new_min是要规范化到的区间的上下限

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

vv',其中是均值，是标准差

50010001000600400300200 (完整word版)数据挖掘课后答案

282.84275)5001000()500500()500400()500300(50020022222

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的属性

所选属性是否超出停止界限?

把选中的属性添加到归约集中以减少属性设置 否

在初始设置中是否还有更多的属性? 是 是

否

结 束 (完整word版)数据挖掘课后答案

（2)逐步向后删除

（3）向前选择和向后删除的结合 开 始

初始化属性设置为整个属性集

确定原属性集中最差的属性

所选属性是否超出停止界限? 否

删除选中的最差属性,以减少属性的设置

在初始设置中有更多的属性设置?

是

否 是

结束 (完整word版)数据挖掘课后答案

第三章

3。2 简略比较以下概念，可以用例子解释你的观点 开 始

初始化属性设置为空集

确定原属性集中最好和最差的属性

所选的最好的属性是否超出停止界限? 否

所选的最差的属性是否超出停止界限？

合并设置为减少属性所设置的初始工作的所有剩余的属性 是 否

从最初的工作集属性中删除选定属性

在初始设置中是否有更多的属性设置? 是

否

结 束 是

选择最好的属性加入到归约集中，并在剩余的属性中删除一个最差的属性 (完整word版)数据挖掘课后答案

（a）雪花形模式、事实星座形、星形网查询模型.

答：雪花形和事实星形模式都是变形的星形模式，都是由事实表和维表组成,雪花形模式的维表都是规范化的；而事实星座形的某几个事实表可能会共享一些维表；星形网查询模型是一个查询模型而不是模式模型，它是由中心点发出的涉嫌组成,其中每一条射线代表一个维的概念分层。

（b）数据清理、数据变换、刷新

答：数据清理是指检测数据中的错误，可能时订正它们;数据变换是将数据由遗产或宿主格式转换成数据仓库格式；刷新是指传播由数据源到数据仓库的更新。

3。4

（a)雪花形模式图如下:（见74页）

course维表 univ fact table student维表 area维表

course_id

course_name

department

Semester维表

semester_id

semester

year

Instructor维表

(b）特殊的QLAP操作如下所示:(见79页） area_id

city

province

country student_id

student_name

area_id

major

status

university student_id

course_id

semester_id

Instructor_id

count

avg_grade

Instructor_id

dept

rank (完整word版)数据挖掘课后答案

1）在课程维表中，从course_id到department进行上卷操作;

2)在学生维表中，从student_id到university进行上卷操作；

3）根据以下标准进行切片和切块操作：department=”CS” and university="Big University”;

4）在学生维表中，从university到student_id进行下钻操作。

（c）这个立方体将包含62554个长方体。（见课本88与89页）

第五章

5.1

(a)假设s是频繁项集，min_sup表示项集的最低支持度，D表示事务数据库。由于s是一个频繁项集,所以有

supmin_)(_sup)(supDscountportsport

假设's是s的一个非空子集,由于support_count（'s)support_sup(s），故有

supmin_)(_sup)(sup''Dscountprotsport

所以原题得证，即频繁项集的所有非空子集必须也是频繁的。

(b）由定义知，Dscountportsport)(_sup)(sup

令's是s的任何一个非空子集，则有Dscountprotsport)(_sup)(sup''

由（a）可知，support('s）)(supsprot，这就证明了项集s的任意非空子集's的支持度至少和s的支持度一样大。

（c）因为)()()(,)()()('''splpslsconfidencesplpslsconfidence

根据（b）有p（'s）=>p(s)

合集下载

数据挖掘导论习题答案(中文版)

数据挖掘导论习题答案(中文版)

介绍数据挖掘

教师的解决方案手册

陈甘美华Pang-Ning

Michael教授

Vipin Kumar

版权所有 2006年Pearson Addison-Wesley。 保留所有权利。

..

.. 内容。

1 Introduction 5

2 Data 5

3 Exploring Data 19

4 Classification: Basic Concepts, Decision Trees, and Model 24

Evaluation 24

5 Classification: Alternative Techniques 44

6 Association Analysis: Basic Concepts and Algorithms 71

7 Association Analysis: Advanced Concepts 95

8 Cluster Analysis: Basic Concepts and Algorithms 125

9 Cluster Analysis: Additional Issues and Algorithms 145

10 Anomaly Detection 153

三

..

.. 1

介绍

1. 讨论是否执行下列每项活动的是一种数据miningtask。

(a) 把客户的公司根据他们的性别。否。 这是一种简单的数据库查询。

(b) 把客户的公司根据他们的盈利能力。

第 这是一种会计计算、应用程序的门限值。 然而,预测盈利的一种新的客户将数据挖掘。

(c) 计算的总销售公司。否。 这又是简单的会计工作。

(d) 排序的学生数据库基于学生的身份证号码。

第 再次,这是一种简单的数据库查询。

(e) 预测结果丢(公平)的一对骰子。否。 既然死是公正的,这是一种概率的计算。 如果死是不公平的,我们需要估计的概率对每个结果的数据,那么这更象研究的问题数据挖掘。 然而,在这种特定的情况下,要解决这一问题是由数学家很长一段时间前,因此,我们不认为它是数据挖掘。

数据挖掘孙家泽课后答案

数据挖掘孙家泽课后答案

数据挖掘孙家泽课后答案

什么是数据挖掘？在你的回答中，强调以下问题：

1） 它是又一种噱头吗？

2） 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？

3） 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，做相同的事情。

4） 当把数据挖掘当做知识发现过程时，描述数据挖掘所涉及的步骤。

数据挖掘指从大量数据中挖掘出有趣模式和知识的过程或方法。

数据挖掘不是另一种噱头，数据挖掘的兴起是由于海量数据及其转化为有效信息和知识的需求。因此，数据挖掘作为信息技术的自然革命的一个结果。

数据挖掘比从数据库、统计学等简单转换或应用更复杂。数据挖掘是数据库、神经网络、机器学习、高性能计算、模式识别、数据可视化等的集成和综合。

机器学习与数据挖掘高度相关，机器学习模型通常非常强调准确性，而数据挖掘则强调挖掘方法在大型数据集上的有效性和可收缩性，以及处理复杂数据类型的方法，开发新的非传统方法；统计学研究数据的收集、分析、解释和表示，与数据挖掘具有天然联系；统计学方法可以用来验证数据挖掘结果等。因此可以说数据挖掘是统计学技术进

步的结果；模式识别重在认识事物，数据挖掘重在发现知识，因此可以说数据挖掘是一种方法，用于模式识别。

数据挖掘作为知识发现过程时，步骤有：1）数据清理；2）数据集成；3）数据选择；4）数据转换；5）数据挖掘；6）模式评估；7）知识表示。

数据仓库与数据库有何不同？它们有哪些相似之处？

数据库是由一组内部相关的数据和一组管理和存取数据的软件程序组成；数据仓库是一个从多个数据源手机的信息存储库。不同点是数据库由表组成，数据仓库是由数据立方体的多维数据结构建模。相似点在于数据库和数据仓库都可以存储数据，都是数据分析和挖掘的信息源。

定义以下数据挖掘功能：特征化、区分、关联和相关性分析、分类、回归、聚类、离群点分析。使用你熟悉的现实生活中的数据库，给出每种数据挖掘功能的例子。

（完整版）数据挖掘概念课后习题答案

（完整版）数据挖掘概念课后习题答案

（完整版）数据挖掘概念课后习题答案

第 1 章1.6 定义下列数据挖掘功能：特征化、区分、关联和相关分析、预测聚类和演变分析。

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。特征化是⼀个⽬标类数据的⼀般特性或特性的汇总。例如，学⽣的特征可被提出，形成所

有⼤学的计算机科学专业⼀年级学⽣的轮廓，这些特征包括作为⼀种⾼的年级平均成绩(GPA：Grade point a ve r s ge) 的信息，还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 的学⽣的⼀般特性可被⽤来与具有低GPA 的⼀般特性⽐较。最

终的描述可能是学⽣的⼀个⼀般可⽐较的轮廓，就像具有⾼GPA 的学⽣的75%是四年级

计算机科学专业的学⽣，⽽具有低GPA 的学⽣的65%不是。关联是指发现关联规则，这些规则表⽰⼀起频繁发⽣在给定数据集的特征值的条件。

例如，⼀个数据挖掘系统可能发现的关联规则为：m a j or(X,“c omput i ng s c i e nc e”) ?owns(X, “pe r s ona l c omput e r”)

[s uppor t=12%,c on f i d e nc e=98%]

其中，X 是⼀个表⽰学⽣的变量。这个规则指出正在学习的学⽣，12%（⽀持度）主修计算机科学并且拥有⼀台

。

个⼈计算机。这个组⼀个学⽣拥有⼀台个⼈电脑的概率是98%（置信度，或确定度）分类与预测不同，因为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，⽽后者是建⽴⼀个模型去预测缺失的或⽆效的、并且通常是数字的数据值。它们的

功能）

相似性是他们都是预测的⼯具：分类被⽤作预测⽬标数据的类的标签，⽽预测典型的应⽤是

预测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。对象根据最⼤花蕾内部的相似性、最⼩化类之间的相似性的原则进⾏聚类或分组。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，把类似的事件组织在⼀起。数据延边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

数据挖掘计算题参考答案教学总结

数据挖掘计算题参考答案教学总结

数据仓库与数据挖掘复习题

1. 假设数据挖掘的任务是将如下的8个点（用（x,y）代表位置）聚类为3个类：X1(2,10)、X2(2,5)、X3(8,4)、X4(5,8)、X5(7,5)、X6(6,4)、X7(1,2)、X8(4,9)，距离选择欧几里德距离。假设初始选择X1(2,10)、X4(5,8)、X7(1,2)为每个聚类的中心，请用 K_means算法来计算：

（1）在第一次循环执行后的3个聚类中心；

答：第一次迭代：中心点1：X1(2，10)，2：X4(5，8)，X7(1，2)

X1 X2 X3 X4 X5 X6 X7 X8

1 0 25 36+36 9+4 25+25 16+36 1+64 4+1

2 9+4 9+9 9+16 0 4+9 1+16 16+36 1+1

3 1+64 1+9 53 16+36 45 29 0 58

答案：在第一次循环执行后的3个聚类中心：

1：X1(2，10)

2：X3，X4，X5，X6，X8 （6，6）

3：X2，X7 （1.5，3.5）

（2）经过两次循环后，最后的3个族分别是什么？

第二次迭代：

d² X1 X2 X3 X4 X5 X6 X7 X8

1 0 25 36+36 9+4 25+25 16+36 1+64 4+1

2 32 17 8 5 2 4 41 1+1

3 5²+6.5² 5²+1.5² 6.5²+0.5² 3.5²+4.5² 5.5²+1.5² 4.5²+0.5² 0.5²+1.5² 2.5²+5.5²

答案：1：X1，X8 (3.5，9.5)

2：X3，X4，X5，X6 （6.5，5.25）

3：X2，X7 （1.5，3.5）

2. 数据库有4个事务。设min_sup=60%,min_conf=80%。

TID data Transaction

T100 6/6/2007 K,A,D,B

T200 6/6/2007 D,A,C,E,B