当前位置：文档之家 › 数据挖掘作业

数据挖掘作业

  • 格式：docx
  • 大小：107.54 KB
  • 文档页数：5

1.下表由雇员数据库的训练数据组成，数据已泛化。

例如，年龄“31…35”表示31到35的之间。

对于给定的行，count表示department, status, age和salary在该行上具有给定值的元组数。

status是类标号属性。

1)如何修改基本决策树算法，以便考虑每个广义数据元组（即每个行）的count。

Status 分为2个部分：Department分为4个部分：
Senior 共计52 Sales 共计110
Junior 共计113 Systems 共计31
Marketing 共计14
Secretary 共计10
Age分为6个部分：Salary分为6各部分：
21…25 共计20 26K…30K 共计46
26…30 共计49 31K…35K 共计40
31…35 共计79 36K…40K 共计4
36…40 共计10 41K…45K 共计4
41…45 共计3 46K…50K 共计63
46…50 共计4 66K…70K 共计8
Info(D)=−52
165log252
165
−113
165
log2113
165
=0.889位
Info(departmet)=−110
165∗(−30
110
log230
110
−80
110
log280
110
)+31
165
∗(−8
31
log28
31
−
23 31log223
31
)+14
165
∗(−10
14
log210
14
−4
14
log24
14
)+10
165
∗(−4
10
log24
10
−6
10
log26
10
)=0.8504位
Gain(department)=Info(D)−Info(department)=0.0386位
Info(age)=−20
165∗(−0
20
log20
20
−20
20
log220
20
)+49
165
∗(−0
49
log20
49
−49
49
log249
49
)+79
165
∗
(−35
79log235
75
−34
79
log234
79
)+10
165
∗(−10
10
log210
10
−0
10
log20
10
)+3
165
∗(−3
3
log23
3
−0
3
log20
3
)+
4 165∗(−4
4
log24
4
−0
4
log20
4
)=0.4998位
Gain(age)=Info(D)−Info(age)=0.3892位
Info(salary)=−46
165∗(−0
46
log20
46
−46
46
log246
46
)+40
165
∗(−0
40
log20
40
−40
40
log240
40
)+4
165
∗
(−4
4log24
4
−0
4
log20
4
)+63
165
∗(−30
63
log230
63
−33
63
log233
63
)+8
165
∗(−8
8
log28
8
−0
8
log20
8
)=
0.3812位
Gain(salary)=Info(D)−Info(salary)=0.5078位
由以上的计算知按信息增益从大到小对属性排列依次为：salary、age、department，所以定
由这个表可知department和age的信息增益将都为0。

所以第二层可以为age也可以为department。

2)构造给定数据的决策树。

由上一小问的计算所构造的决策树如下：
3)给定一个数据元组，它在属性department,age和salary上的值分别为“systems”，“26...30”和“46...50K”。

该元组status的朴素贝叶斯分类结果是什么？
P(status=senior)=52/165=0.3152
P(status=junior)=113/65=0.6848
P(department=systems|status=senior)=8/52=0.1538
P(department=systems|status=junior)=23/113=0.2035
P(age=26…30|status=senior)=1/52=0.0192
P(age=26…30|status=junior)=49/113=0.4336
P(salary=46K…50K|status=senior)=40/52=0.7692
P(salary=46K…50K|status=junior)=23/113=0.2035
使用上面的概率，得到：
P(X|status=senior)=P(department=systems|status=senior)*P(age=26…30|status=senior)*
P(salary=46K…50K|status=senior)=0.0023
P(X|status=junior)=P(department=systems|status=junior)*P(age=26…30|status=junior)*
P(salary=46K…50K|status= junior)=0.0180
P(X|status=senior)* P(status=senior)= 7.2496e-004
P(X|status=junior)* P(status=junior)=0.0123
因此，对于元组X，朴素贝叶斯分类预测元组X的类为status=junior
2. 运用决策树或者贝叶斯算法，对鸢尾花数据集进行分类，显示分类结果。

（可以采用Weka工具或者其他方法）
在weka上运用决策树算法对鸢尾花数据集进行分类，分类结果如下图所示：
在weka上运用贝叶斯算法对鸢尾花数据进行分类，结果的具体情况如下：。

合集下载

上海交大网络教育数据挖掘第一次作业

上海交大网络教育数据挖掘第一次作业

数据挖掘
题目1
标记题目
选择一项：
A.
分类
B.
聚类
C. 自然语言处理
D. 关联规则发现
反馈
你的回答正确
正确答案是：关联规则发现题目2
标记题目
b.
聚类
c. 分类
d. 隐马尔可夫链
反馈
你的回答正确
正确答案是：
聚类
题目3
标记题目
什么是KDD？
选择一项：
A.
数据挖掘与知识发现
B. 动态知识发现
C.
领域知识发现
D.
文档知识发现
反馈
你的回答正确
正确答案是：
数据挖掘与知识发现
题目4
标记题目
使用交互式的和可视化的技术，对数据进行探索属于数据挖掘的哪一类任务
选择一项：
A. 探索性数据分析
B.
建模描述
C. 寻找模式和规则
D.
预测建模
反馈
你的回答正确
正确答案是：探索性数据分析
题目5
标记题目
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？
选择一项：
A. 探索性数据分析
B. 寻找模式和规则
C.
预测建模
D.
建模描述
反馈
你的回答正确
正确答案是：
预测建模
结束回顾。

数据挖掘期末大作业任务

数据挖掘期末大作业任务

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。

数据挖掘作业讲解

数据挖掘作业讲解

《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。

数据挖掘的功能及应用作业

数据挖掘的功能及应用作业

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。