数据挖掘作业 (2)

数据挖掘期末大作业1.数据挖掘的发展趋势是什么？大数据环境下如何进行数据挖掘。

对于数据挖掘的发展趋势，可以从以下几个方面进行阐述：(1)数据挖掘语言的标准化描述:标准的数据挖掘语言将有助于数据挖掘的系统化开发。

改进多个数据挖掘系统和功能间的互操作,促进其在企业和社会中的使用。

(2)寻求数据挖掘过程中的可视化方法:可视化要求已经成为数据挖掘系统中必不可少的技术。

可以在发现知识的过程中进行很好的人机交互。

数据的可视化起到了推动人们主动进行知识发现的作用。

(3)与特定数据存储类型的适应问题:根据不同的数据存储类型的特点,进行针对性的研究是目前流行以及将来一段时间必须面对的问题。

(4)网络与分布式环境下的KDD问题:随着Internet的不断发展,网络资源日渐丰富,这就需要分散的技术人员各自独立地处理分离数据库的工作方式应是可协作的。

因此,考虑适应分布式与网络环境的工具、技术及系统将是数据挖掘中一个最为重要和繁荣的子领域。

(5)应用的探索:随着数据挖掘的日益普遍,其应用范围也日益扩大,如生物医学、电信业、零售业等领域。

由于数据挖掘在处理特定应用问题时存在局限性,因此,目前的研究趋势是开发针对于特定应用的数据挖掘系统。

(6)数据挖掘与数据库系统和Web数据库系统的集成:数据库系统和Web数据库已经成为信息处理系统的主流。

2. 从一个3输入、2输出的系统中获取了10条历史数据，另外，最后条数据是系统的输入，不知道其对应的输出。

请使用SQL SERVER 2005的神经网络功能预测最后两条数据的输出。

首先，打开SQL SERVER 2005数据库软件，然后在界面上右键单击树形图中的“数据库”标签，在弹出的快捷菜单中选择“新建数据库”命令，并命名数据库的名称为YxqDatabase，单击确定，如下图所示。

然后，在新建的数据库YxqDatabas中，根据题目要求新建表，相应的表属性见下图所示。

在新建的表完成之后，默认的数据表名称为T able_1,并打开表，根据题目提供的数据在表中输入相应的数据如下图所示。

《数据挖掘》作业第一章引言一、填空题（1）数据库中的知识挖掘(KDD)包括以下七个步骤：数据清理、数据集成、数据选择、数据变换、数据挖掘、模式评估和知识表示（2）数据挖掘的性能问题主要包括：算法的效率、可扩展性和并行处理（3）当前的数据挖掘研究中，最主要的三个研究方向是：统计学、数据库技术和机器学习（4）在万维网(WWW)上应用的数据挖掘技术常被称为：WEB挖掘（5）孤立点是指：一些与数据的一般行为或模型不一致的孤立数据二、单选题（1）数据挖掘应用和一些常见的数据统计分析系统的最主要区别在于：（B ）A、所涉及的算法的复杂性；B、所涉及的数据量；C、计算结果的表现形式；D、是否使用了人工智能技术（2）孤立点挖掘适用于下列哪种场合？（D ）A、目标市场分析B、购物篮分析C、模式识别D、信用卡欺诈检测（3）下列几种数据挖掘功能中，（ D ）被广泛的应用于股票价格走势分析A. 关联分析B.分类和预测C.聚类分析D. 演变分析（4）下面的数据挖掘的任务中，（ B ）将决定所使用的数据挖掘功能A、选择任务相关的数据B、选择要挖掘的知识类型C、模式的兴趣度度量D、模式的可视化表示（5）下列几种数据挖掘功能中，（A ）被广泛的用于购物篮分析A、关联分析B、分类和预测C、聚类分析D、演变分析（6）根据顾客的收入和职业情况，预测他们在计算机设备上的花费，所使用的相应数据挖掘功能是（ B ）A.关联分析B.分类和预测C. 演变分析D. 概念描述（7）帮助市场分析人员从客户的基本信息库中发现不同的客户群，通常所使用的数据挖掘功能是（ C ）A.关联分析B.分类和预测C.聚类分析D. 孤立点分析E. 演变分析（8）假设现在的数据挖掘任务是解析数据库中关于客户的一般特征的描述，通常所使用的数据挖掘功能是（ E ）A.关联分析B.分类和预测C. 孤立点分析D. 演变分析E. 概念描述三、简答题（1）什么是数据挖掘？答：数据挖掘是指从大量数据中提取或“挖掘”知识。

数据挖掘的其他基本功能介绍一、关联规则挖掘关联规则挖掘是挖掘数据库中和指标（项）之间有趣的关联规则或相关关系。

关联规则挖掘具有很多应用领域，如一些研究者发现，超市交易记录中的关联规则挖掘对超市的经营决策是十分重要的。

1、 基本概念设},,,{21m i i i I =是项组合的记录，D 为项组合的一个集合。

如超市的每一张购物小票为一个项的组合（一个维数很大的记录），而超市一段时间内的购物记录就形成集合D 。

我们现在关心这样一个问题，组合中项的出现之间是否存在一定的规则，如A 游泳衣，B 太阳镜，B A ⇒，但是A B ⇒得不到足够支持。

在规则挖掘中涉及到两个重要的指标：① 支持度 支持度n B A n B A )()(⇒=⇒，显然，只有支持度较大的规则才是较有价值的规则。

② 置信度 置信度)()()(A n B A n B A ⇒=⇒，显然只有置信度比较高的规则才是比较可靠的规则。

因此，只有支持度与置信度均较大的规则才是比较有价值的规则。

③ 一般地，关联规则可以提供给我们许多有价值的信息，在关联规则挖掘时，往往需要事先指定最小支持度与最小置信度。

关联规则挖掘实际上真正体现了数据中的知识发现。

如果一个规则满足最小支持度，则称这个规则是一个频繁规则；如果一个规则同时满足最小支持度与最小置信度，则通常称这个规则是一个强规则。

关联规则挖掘的通常方法是：首先挖掘出所有的频繁规则，再从得到的频繁规则中挖掘强规则。

在少量数据中进行规则挖掘我们可以采用采用简单的编程方法，而在大量数据中挖掘关联规则需要使用专门的数据挖掘软件。

关联规则挖掘可以使我们得到一些原来我们所不知道的知识。

应用的例子：* 日本超市对交易数据库进行关联规则挖掘，发现规则：尿片→啤酒，重新安排啤酒柜台位置，销量上升75%。

* 英国超市的例子：大额消费者与某种乳酪。

那么，证券市场上、期货市场上、或者上市公司中存在存在哪些关联规则，这些关联规则究竟说明了什么？关联规则挖掘通常比较适用与记录中的指标取离散值的情况，如果原始数据库中的指标值是取连续的数据，则在关联规则挖掘之前应该进行适当的数据离散化（实际上就是将某个区间的值对应于某个值），数据的离散化是数据挖掘前的重要环节，离散化的过程是否合理将直接影响关联规则的挖掘结果。

您的本次作业分数为：100分1.【第001章】孤立点挖掘适用于下列哪种场合？A 目标市场分析B 购物篮分析C 模式识别D 信用卡欺诈检测正确答案:D2.【第01章】根据顾客的收入和职业情况，预测他们在计算机设备上的花费，所使用的相应数据挖掘功能是（）。

A 关联分析B 分类和预测C 演变分析D 概念描述正确答案:B3.【第01章】数据挖掘应用和一些常见的数据统计分析系统的最主要区别在于（）。

A 所涉及的算法的复杂性B 所涉及的数据量C 计算结果的表现形式D 是否使用了人工智能技术正确答案:B4.【第01章】下列几种数据挖掘功能中，（）被广泛的应用于股票价格走势分析。

A 关联分析B 分类和预测C 聚类分析D 演变分析正确答案:D5.【第01章】下列几种数据挖掘功能中，（）被广泛的用于购物篮分析。

A 关联分析B 分类和预测C 聚类分析D 演变分析正确答案:A6.【第01章】帮助市场分析人员从客户的基本信息库中发现不同的客户群，通常所使用的数据挖掘功能是（）。

A 关联分析B 分类和预测C 聚类分析D 孤立点分析E 演变分析正确答案:C7.【第01章】下面的数据挖掘的任务中，（）将决定所使用的数据挖掘功能。

A 选择任务相关的数据B 选择要挖掘的知识类型C 模式的兴趣度度量D 模式的可视化表示正确答案:B8.【第01章】假设现在的数据挖掘任务是解析数据库中关于客户的一般特征的描述，通常所使用的数据挖掘功能是（）。

A 关联分析B 分类和预测C 孤立点分析D 演变分析E 概念描述正确答案:E9.【第02章】下列哪种可视化方法可用于发现多维数据中属性之间的两两相关性？A 空间填充曲线B 散点图矩阵C 平行坐标D 圆弓分割正确答案:B10.【第02章】计算一个单位的平均工资，使用哪个中心趋势度量将得到最合理的结果？A 算术平均值B 截尾均值C 中位数D 众数正确答案:B11.【第02章】字段Size = {small, medium, large}属于那种属性类型？A 标称属性B 二元属性C 序数属性D 数值属性正确答案:C12.【第02章】字段Hair_color = {auburn, black, blond, brown, grey, red, white}属于那种属性类型？A 标称属性B 二元属性C 序数属性D 数值属性正确答案:A13.【第03章】哪种数据变换的方法将数据沿概念分层向上汇总？A 平滑B 聚集C 数据概化D 规范化正确答案:C14.【第03章】下面哪种数据预处理技术可以用来平滑数据，消除数据噪声？A 数据清理B 数据集成C 数据变换D 数据归约正确答案:A15.【第03章】（）通过将属性域划分为区间，从而减少给定连续值的个数。

2015秋浙江大学网络学院《数据挖掘》在线作业及答案单选题1.置信度(confidence)是衡量兴趣度度量（）的指标。

A 简洁性B 确定性C 实用性D 新颖性正确答案:B 单选题2.哪种OLAP操作可以让用户在更高的抽象层，更概化的审视数据？A 上卷B 下钻C 切块D 转轴正确答案:A 单选题3.下列几种数据挖掘功能中，（）被广泛的用于购物篮分析。

A 关联分析B 分类和预测C 聚类分析D 演变分析正确答案:A 单选题4.下列哪个描述是正确的？A 分类和聚类都是有指导的学习B 分类和聚类都是无指导的学习C 分类是有指导的学习，聚类是无指导的学习D 分类是无指导的学习，聚类是有指导的学习正确答案:C单选题5.计算一个单位的平均工资，使用哪个中心趋势度量将得到最合理的结果？A 算术平均值B 截尾均值C 中位数D 众数正确答案:B 单选题6.规则：age(X,”19-25”) ∧buys(X, “popcorn”) => buys(X, “coke”)是一个（）。

A 单维关联规则B 多维关联规则C 混合维关联规则D 不是一个关联规则正确答案:B 单选题7.假设现在的数据挖掘任务是解析数据库中关于客户的一般特征的描述，通常所使用的数据挖掘功能是（）。

A 关联分析B 分类和预测C 孤立点分析D 演变分析 E概念描述正确答案:E 单选题8.下面哪种数据预处理技术可以用来平滑数据，消除数据噪声？A 数据清理B 数据集成C 数据变换D 数据归约正确答案:A 单选题9.进行数据规范化的目的是（）。

A 去掉数据中的噪声B 对数据进行汇总和聚集C 使用概念分层，用高层次概念替换低层次“原始”数据D 将属性按比例缩放，使之落入一个小的特定区间正确答案:D 单选题10.平均值函数avg()属于哪种类型的度量？A 分布的B 代数的C 整体的D 混合的正确答案:B 单选题11.下面哪种分类方法是属于统计学的分类方法？A 判定树归纳B 贝叶斯分类C 后向传播分类D 基于案例的推理正确答案:B 单选题12.下列几种数据挖掘功能中，（）被广泛的用于购物篮分析。

Data Mining Take Home Exam学号: xxxx 姓名: xxx 1. （20分）考虑下表的数据集。

（1）计算整个数据集的Gini 指标值。

（2）计算属性性别的Gini 指标值（3）计算使用多路划分属性车型的Gini 指标值 （4）计算使用多路划分属性衬衣尺码的Gini 指标值（5）下面哪个属性更好，性别、车型还是衬衣尺码？为什么？ 解：（1） Gini=1-(10/20)^2-(10/20)^2=0.5 (2)Gini=[{1-(6/10)^2-(4/10)^2}*1/2]*2=0.48 (3)Gini={1-(1/4)^2-(3/4)^2}*4/20+{1-(8/8)^2-(0/8)^2}*8/20+{1-(1/8)^2-(7/8)^2}*8/2 0=26/160=0.1625(4)Gini={1-(3/5)^2-(2/5)^2}*5/20+{1-(3/7)^2-(4/7)^2}*7/20+[{1-(2/4)^2-(2/4)^2}*4/ 20]*2=8/25+6/35=0.4914(5)比较上面各属性的Gini值大小可知，车型划分Gini值0.1625最小，即使用车型属性更好。

2. （20分）考虑下表中的购物篮事务数据集。

(1) 将每个事务ID视为一个购物篮，计算项集{e}，{b,d} 和{b,d,e}的支持度。

（2）使用（1）的计算结果，计算关联规则{b,d}→{e}和{e}→{b,d}的置信度。

（3）将每个顾客ID作为一个购物篮，重复（1）。

应当将每个项看作一个二元变量（如果一个项在顾客的购买事务中至少出现一次，则为1，否则，为0）。

（4）使用（3）的计算结果，计算关联规则{b,d}→{e}和{e}→{b,d}的置信度。

答：（1）由上表计数可得{ｅ}的支持度为8/10=0.8；{ｂ，ｄ}的支持度为2/10=0.2；｛b,d,e｝的支持度为2/10=0.2。

（2）c[{b,d}→{e}]=2/8=0.25; c[{e}→{b,d}]=8/2=4。

机器学习与数据挖掘作业指导书一、概述机器学习与数据挖掘是当前计算机科学领域备受关注的重要研究方向之一。

它们通过对大量数据的处理和分析，自动发现数据中的模式和规律，并基于此作出预测和决策。

本次作业将引导学生了解机器学习与数据挖掘的基本概念和方法，并通过实践项目，提升学生的实际应用能力。

二、作业内容1. 学习基本概念和理论在开始实践之前，学生应当对机器学习与数据挖掘的基本概念和理论有一定的了解。

包括但不限于机器学习算法（如决策树、支持向量机、神经网络等）、数据预处理方法（如数据清洗、特征选择、特征变换等）以及模型评估指标（如准确率、精确率、召回率等）。

2. 完成实践项目学生应当选择一个合适的数据集，根据实际情况设计机器学习或数据挖掘的任务，并在给定的时间内完成相应的实践项目。

项目应包括但不限于以下步骤：（1）数据收集与预处理：学生需要查找并获取与任务相关的数据集，并进行必要的数据预处理，包括数据清洗、特征选择和特征变换等。

（2）模型选择与建立：根据任务的特点和数据集的属性，学生需要选择合适的机器学习或数据挖掘模型，并进行建立和调整。

同时，学生需要解释为什么选择该模型以及模型的参数设置等。

（3）模型评估与结果分析：学生需要使用适当的评估指标对模型进行评估，并对结果进行深入的分析和讨论，解释模型的性能和可行性等。

3. 撰写实验报告学生应当根据实践项目的完成情况，撰写相应的实验报告。

报告应包含但不限于以下内容：（1）引言：介绍实验的背景和目的，阐述实验的重要性和意义。

（2）数据集介绍：详细描述实验所使用的数据集，包括数据的来源、属性以及预处理方式等。

（3）方法与实现：详细阐述所选择的机器学习或数据挖掘方法，包括模型原理、算法步骤以及实现过程等。

（4）实验结果与分析：展示实验的结果及其分析，包括模型的性能评估指标，以及对结果的深入分析和讨论。

（5）总结与展望：对实验进行总结，并展望进一步的研究方向和改进方法等。

数据挖掘大作业例子1. 超市购物数据挖掘呀！想想看，如果把超市里每个顾客的购买记录都分析一遍，那岂不是能发现很多有趣的事情？比如说，为啥周五晚上大家都爱买啤酒和薯片呢，是不是都打算周末在家看剧呀！2. 社交媒体情感分析这个大作业超有意思哦！就像你能从大家发的文字里看出他们今天是开心还是难过，那简直就像有了读心术一样神奇！比如看到一堆人突然都在发伤感的话，难道是发生了什么大事情？3. 电商用户行为挖掘也很棒呀！通过分析用户在网上的浏览、购买行为，就能知道他们喜欢什么、不喜欢什么，这难道不是很厉害吗？就像你知道了朋友的喜好，能给他推荐最适合的礼物一样！4. 交通流量数据分析呢！想象一下，了解每个路口的车流量变化，是不是就能更好地规划交通啦？难道这不像是给城市的交通装上了一双明亮的眼睛？5. 医疗数据挖掘更是不得了！能从大量的病例中找到疾病的规律，这简直是在拯救生命啊！难道这不是一件超级伟大的事情吗？比如说能发现某种疾病在特定人群中更容易出现。

6. 金融交易数据挖掘也超重要的呀！可以知道哪些交易有风险，哪些投资更靠谱，那不就像有个聪明的理财顾问在身边吗！就好比能及时发现异常的资金流动。

7. 天气数据与出行的结合挖掘也很有趣呀！根据天气情况来预测大家的出行选择，真是太神奇了吧！难道不是像有了天气预报和出行指南合二为一？8. 音乐喜好数据挖掘呢！搞清楚大家都喜欢听什么类型的音乐，从而能更好地推荐歌曲，这不是能让人更开心地享受音乐吗！好比为每个人定制了专属的音乐播放列表。

9. 电影票房数据挖掘呀！通过分析票房数据就能知道观众最爱看的电影类型，这不是超厉害的嘛！就像知道了大家心里最期待的电影是什么样的。

我觉得数据挖掘真的太有魅力了，可以从各种看似普通的数据中发现那么多有价值的东西，真是让人惊叹不已啊！。

数据挖掘作业2 -CAL-FENGHAI-(2020YEAR-YICAI)_JINGBIAN智能信息处理第二次作业费洋 20设数据库有5个事务。

设min_sup =60%, min_conf=80%(a)分别使用Apriori和FP增长算法找出所有频繁项集。

比较两种挖掘过程的效率。

Null{}K:5E:4 M:1O:3 OM:1 OY:1M:1 OY:1Y:1效率比较：Apriori需多次扫描数据库而FP增长建立FP树只需一次的扫描。

在Apriori算法中产生候选是昂贵的（由于联接），而FP增长不产生任何候选,但是FP消耗了大量的内存，当数据量很大时。

(b)列举所有与下面的元规则匹配的强关联规则（给出支持度S和置信度C）,其中，X是代表顾客的变量，item是表示项的变量（如：“A”、“B”等）：i答： k,o e [,1]e,o k [,1].数据库有4个事务，设min_sup =60%, min_conf=80%（a）在item_category粒度（例如，item可以是“Milk”），对于下面的规i则模板对最大的k,列出频繁k项集包含最大的k的频繁k项集的所有强关联规则（包括它们的支持度S和置信度c）.可以是“Sunset-Milk”）对于下面的规则模板(b)在粒度（例如：itemi对最大的k，列出频繁k项集（但不输出任何规则）。

K=3频繁1项集{Wonder-Bread}下面的相依表汇总了超级市场的事务数据。

其中，hot dogs表示包含热狗的事务，hot dogs表示不包含热狗的事务，hamburgers表示包含汉堡包的事务，hamburgers表示不包含汉堡包的事务，（a）假定挖掘出了关联规则。

给定最小支持度阀值25%，最小置信度阀值50%，该关联规则是强规则吗（a）支持度=2000/5000*100%=40%>25%,置信度=2000/3000*100%=%>50%则该关联规则是强规则（b）根据给定的数据，买 hot dogs独立于买humburgers吗如果不是，二者之间存在何种相关联系。