当前位置：文档之家› 数据挖掘复习题

数据挖掘复习题

1.1讨论下列每项活动是否是数据挖掘任务：

(1)根据性别划分公司的顾客。

(2)根据可赢利性划分公司的顾客。

(3)计算公司的总销售额。

(4)按学生的标识号对学生数据库排序。

(5)预测掷一对骰子的结果。

(6)使用历史记录预测某公司未来的股票价格

(7)监视病人心率的异常变化。

(8)监视地震活动的地震波。(9)提取声波的频

率。

答：(1) 不是，这属于简单的数据库查询。

(2) 不是，这个简单的会计计算；但是新客户的利润预测则属于数据挖掘任务。

(3) 不是，还是简单的会计计算。

(4) 不是，这是简单的数据库查询。

(5) 不是，由于每一面都是同等概率，则属于概率计算；如概率是不同等的，根据

历史数据预测结果则更类似于数据挖掘任务。

(6) 是，需要建立模型来预测股票价格，属于数据挖掘领域中的预测模型。可以使

用回归来建模，或使用时间序列分析。

(7) 是，需要建立正常心率行为模型，并预警非正常心率行为。这属于数据挖掘领域

的异常检测。若有正常和非正常心率行为样本，则可以看作一个分类问题。

(8) 是，需要建立与地震活动相关的不同波形的模型，并预警波形活动。属于数据

挖掘领域的分类。

(9) 不是，属于信号处理。

1.2假定你作为一个数据挖掘顾问，受雇于一家因特网搜索引擎公司。通过特定的例子说明，

数据挖掘可以为公司提供哪些帮助，如何使用聚类、分类、关联规则挖掘和离群点检

测等技术为企业服务。

答：

( 1)使用聚类发现互联网中的不同群体，用于网络社区发现；

( 2)使用分类对客户进行等级划分，从而实施不同的服务；

( 3)使用关联规则发现大型数据集中间存在的关系，用于推荐搜索。如大部分搜索了“广外”

的人都会继续搜索“信息学院”，那么在搜索“广外”后会提示是否进进一步搜索“信

息学院”。

( 4)使用离群点挖掘发现与大部分对象不同的对象，用于分析针对网络的秘密收集信息的攻击。

2.12区分噪声和离群值。一定要考虑以下的问题。

(a)噪声曾经有趣的或可取的吗?离群值吗?不,根据定义。是的。(参见第十章)。

(b)噪声对象可以例外吗?是的。随机数据的失真通常负责离群值。

(c)是噪声对象总是异常值吗?不。随机变形会导致一个对象或值一样正常的一个。

(d)异常值总是噪声对象?不。通常离群值仅仅代表一个类的对象是不同的从正常的对象。

(e)噪音可以典型值为一个不寻常的人,反之亦然?是的。

2.14以下属性的测量一群亚洲的大象:体重、身高、象牙长度、躯干长度,和耳朵区域。根据这些测量,什么样的相似性度量从2.4节你会使用比较这些大象或一组?证明你的答案和

解释任何特殊情况。

这些属性都是数值,但可以有广泛不同范围的值,取决于使用的规模来衡量他们。此外,属性不是不对称和属性的大小事务。后面这两个事实消除余弦和相关措施。欧几里得距离,应用标准化后的属性的意思是0和1的标准偏差,将是合适的。

2.15给定m个对象的集合，这些对象划分成K组，其中第i组的大小为m i。如果目标是

得到容量为n

(a)从每组随机地选择n×m i/m 个元素。

(b)从数据集中随机地选择n个元素，而不管对象属于哪个组。

答：

(a)组保证了可以在每个组里面得到等比例的样本，而(b)组在每个组里面抽取的样

本的个数是随机的，不能保证每个组都能抽到样本。

第一个方案是保证从每组获得相同数量的对象,而对于第二个方案,从每组对象的数

量将有所不同。更具体地说,第二个方案只有永发,平均而言,对象的数量从每个组将

n?mi/m。

2.24 距离通常定义两个对象之间。

(a)定义两个方法可以定义一组对象之间的距离。

以下两个例子:(i)基于两两距离,即。,最低两两相似或最大两两不同,或(ii)在欧几里得空间点计算质心(points-see8.2节的意思),然后计算总和或平均距离的重心。

(b)你如何定义两组之间的距离在欧几里得空间点吗?

一种方法是计算质心之间的距离的两个点。

(c)你如何定义两组数据对象之间的距离?(没有假设的数据对象,除了任何两个对象之间的距离度量定义)。

一种方法是计算的平均两两距离对象的一组对象与另一组中的对象。其他方法是最小或最大距离。注意,集群的凝聚力的概念有关的一组对象的距离彼此,集群的分离与两组对象的距离的概念。(参见8.4节)。此外,两个集群的距离会凝聚的层次聚类是一个重要的概念。(参见8.2节)。

2.25 你给出一组点在欧几里得空间,以及每一个点的距离在年代x点。(这并不重要,如果

x∈S)

(a)如果目标是找到所有点在指定距离ε点y,y=x,解释如何使用三角不等式和已计算距离x 可能减少距离计算的必要吗?提示:三角不等式,d(x,z)≤(x,y)+d(y、x)可以改写为

d(x,y)≥(x,z)?d(y,z)。不幸的是,有一个错字和缺乏清晰的暗示。提示应措辞如下:提示:如果z是一个任意的年代,三角不等式,d(x,y)≤(x,z)+d(y,z)可以改写为

d(y,z)≥(x,y)?d(x,z)。

三角不等式的另一个应用程序从d≤(x,z)d(x,y)+d(y,z),表明,d(y,z)≥(x,z)?d(x,y)。如果低绑定的d(y,z)从这些不平等获得更大比,那么d(y,z)不需要计算。同样,如果上面绑定的d(y,z)获得不平等d(y,z)≤(y,x)+d(x,z)是小于或等于,那么d(x,z)不需要计算。

(b)在一般情况下,x和y之间的距离如何影响数量距离计算吗?

如果x=y,那么不需要计算。随着x变得更远,通常需要更多的距离计算。

(c)假设你能找到点的一个小子集,从原始数据集,数据集内的每个点都是在指定的距离ε的至少一个点,你也有美国的两两距离矩阵描述一个使用这种技术信息计算、最小距离计算的,组内的所有点的距离β一个指定点的数据集。

让x和y是两点,让x y??和点的年代最接近的两个点,分别。如果d(y x??)+2≤β,然后我们

可以安全地得出d(x,y)≤β。同样地,如果d(y x??)?2≥β,然后我们可以安全地得出

d(x,y)≥β。这些公式推导通过考虑的情况下,x和y一样远离x y??和并尽可能远或接近对方。

4.3考虑表中二元分类问题的训练样本集

1.整个训练样本集关于类属性的熵是多少？

2.关于这些训练集中a1,a2的信息增益是多少？

3.对于连续属性a3,计算所有可能的划分的信息增益。

4.根据信息增益，a1,a2,a3哪个是最佳划分?

5.根据分类错误率，a1,a2哪具最佳？

6.根据gini指标，a1,a2哪个最佳？

答1.

P(+) = 4/9 and P(?) = 5/9

?4/9 log2(4/9) ?5/9 log2(5/9) = 0.9911.

答2：

答3：

答4: According to information gain, a1 produces the best split. 答5：

For attribute a1: error rate = 2/9.

For attribute a2: error rate = 4/9.

Therefore, according to error rate, a1 produces the best split.

答6：

4.3 答案二考虑训练示例表4.2所示为一个二进制分类问题。

(a)的熵是什么这个集合的训练例子对积极的课吗?答:有四个正面例子和五个负面的例子。因此,P(+)=4/9和P(?)=5/9。熵的训练示例?得到4/9(4/9)?得到5/9(5/9)=0.9911。

(b)(b)的信息收益a1和a2相对于这些训练的例子吗?答:属性a1,相应的统计和概率是:

因此,a1的信息增益是0.9911?0.7616=0.2294。

属性a2,相应的统计和概率是:

因此,a2的信息增益是0.9911?0.9839=0.0072。

(c),为a3这是一个连续属性,计算每一个可能的信息增益分裂。

a3的最佳分裂发生在分裂点等于2。

(d)什么是最好的分手(a1、a2和a3)根据获得的信息?

答:根据信息增益,a1产生最好的分裂。

(e)什么是最好的分手(a1和a2)根据分类错误率吗?答:属性a1:出错率=2/9。属性a2:出错率= 4/9。因此,根据错误率,a1产生最好的分裂。

(f)最好的分裂是什么(a1和a2)之间根据基尼指数吗?

答:属性a1,基尼指数

属性a2,基尼指数

由于a1的基尼系数较小,它产生更好的分割。

4.5 考虑如下二元分类问题的数据集

1.计算a.b信息增益，决策树归纳算法会选用哪个属性

2.计算a.b gini指标，决策树归纳会用哪个属性？

这个答案没问题

3.从图4-13可以看出熵和gini指标在[0,0.5]都是单调递增，而[0.5,1]之间单调递减。有没有可

能信息增益和gini指标增益支持不同的属性？解释你的理由

Yes, even though these measures have similar range and monotonous

behavior, their respective gains, Δ, which are scaled differences of the

measures, do not necessarily behave in the same way, as illustrated by the results in parts (a) and (b).

4.5 考虑下面的数据集的二进制类问题。

(a)计算信息增益分裂在a和b.属性的决策树归纳算法会选择哪一个?

答:分裂后的应急表属性A和B是:

整体熵分割前:

分裂后的信息增益A是:

分裂后的信息增益B是:

因此,将选择分裂属性节点。

(b)基尼指数计算获得分裂在A和b.属性的决策树归纳算法会选择哪一个?答:总体基尼分裂之前

获得在分裂后基尼指数A是:

获得在分裂后基尼指数B是:

因此,B将选择分裂属性节点。

(c)图4.13表明,熵和基尼系数都是单调增加的范围(0,0.5),他们都是单调下降的范围

(0.5,1)。有没有可能,信息增益和基尼指数获得支持不同的属性?解释。

答:是的,即使这些措施也有类似的范围和单调的行为,他们各自的收益,Δ,规模差异的措施,不一定表现在相同的方式,如通过结果部分(a)和(b)。

4.5 答案二

6.2

(a)计算项集的支持{e},{b,d},{b、d、e}将每个事务ID作为市场篮子里。

答:s({e})=8/10=0.8

s({b,d})=2/10=0.2

s({b,d,e})=2/10=0.2

(b)使用部分(a)计算结果的信心关联规则{b,d}?→{e}和{e}?→{b,d}。信心是一个对称测量吗?

答:c(bd?→e)=0.2/0.2=100%

c(e?→bd)=0.2/0.8=25%

不,信心不是对称的措施。

(c)重复部分(一个)把每个客户ID作为一个市场篮子里。每个项目应该被视为一个二进制变量(如果一个项目出现在至少一个事务由客户购买,否则和0。)

答:s({e})=4/5=0.8

s({b,d})=5/5=1

s({b,d,e})=4/5=0.8

(d)部分使用结果的信心(c)来计算关联规则{b,d}?→{e}和{e}?→{b,d}。

答:c(bd?→e)=0.8/1=80%

c(e?→bd)=0.8/0.8=100%

(e)假设s1和c1是关联规则的支持和信心值r时将每个事务ID作为市场篮子里。也让s2和c2的支持和信心值r当对待每个客户ID作为一个市场篮子里。讨论是否有任何关系s1和s2或c1和c2。

答:没有明显关系s1,s2,c1和c2。

答案二

There are no apparent relationships between s1, s2, c1, and c2.

6.2答案三

6.8 a

b.答:频繁项集的比例=16/32=50.0%(包括空集)。

修剪比率是N的比例项集的总数。自数N=11,所以修剪比率是11/32=34.4%。

(d)答:误警率是我对项集的总数的比率。计数以来我=5,因此假警报率是5/32=15.6%。答案二：

A2: Percentage of frequent itemsets = 16/32 = 50.0% (including the null set).

A4: False alarm rate is the ratio of I to the total number of itemsets. Since the count of I = 5, therefore the false alarm rate is 5/32 = 15.6%.

6.9 先验的算法使用哈希树数据结构来有效地计算候选项集的支持。考虑为候选人3-项集哈希树如图所示。

(a)给定一个事务,包含项目{1、3、4、5、8},这哈希树的叶节点将访问时发现事务的候选人?答:叶节点访问L1,L3,L5,L9和化解。

(b)使用访问部分叶节点(b)来确定候选项集,包含在事务{1、3、4、5、8}。

答:候选人事务中包含{1、4、5},{1、5、8},{4、5、8}。

6.17 假设我们有市场购物篮数据组成的100个事务和20项。如果支持项目是25%,b项的支持是90%,支持itemset{a、b}是20%。让支持和信心阈值是10%和60%,分别。

(a)计算关联规则{一}的信心→{b}。根据信心措施规则有趣?

答:信心是0.2/0.25=80%。规则是有趣,因为它超过阈值的信心。

(b)计算该协会的利益衡量模式{a、b}。描述项目之间的关系的性质和b项的利益衡量。答:利益衡量是0.2/(0.25×0.9)=0.25。项目是根据负相关利益衡量的。

(c)的结果能够得出什么结论部分(a)和(b)?

答:高信赖

(d)证明,如果规则的信心{一}?→{b}小于{b}的支持,然后:i c({一}?→{b})>c({一}?→{b}),二世。c({一}?→{b})>({b}),c(·)表示规则的信心和年代(·)表示itemset的支持。答:

大数据时代下的数据挖掘试题和答案及解析

A. 变量代换 B. 离散化海量数据挖掘技术及工程实践》题目、单选题(共 80 题) 1) ( D ) 的目的缩小数据的取值范围，使其更适合于数据挖掘算法的需要，并且能够得到和原始数据相同的分析结果。 A. 数据清洗 B. 数据集成 C. 数据变换 D. 数据归约 2) 某超市研究销售纪录数据后发现，买啤酒的人很大概率也会购买尿布，这种属于数据挖掘的哪类问题 (A) A. 关联规则发现 B. 聚类 C. 分类 D. 自然语言处理 3) 以下两种描述分别对应哪两种对分类算法的评价标准 (A) (a) 警察抓小偷，描述警察抓的人中有多少个是小偷的标准。 (b) 描述有多少比例的小偷给警察抓了的标准。据相分离 (B) 哪一类任务 (C) A. 根据内容检索 B. 建模描述 7) 下面哪种不属于数据预处理的方法 (D) A. Precision,Recall B. Recall,Precision A. Precision,ROC D. Recall,ROC 4) 将原始数据进行集成、变换、维度规约、数值规约是在以下哪个步骤的任务 (C) 5) A. 频繁模式挖掘 C. 数据预处理 B. D. 当不知道数据所带标签时，分类和预测数据流挖掘可以使用哪种技术促使带同类标签的数据与带其他标签的数 6) A. 分类 C. 关联分析建立一个模型， B. D. 聚类隐马尔可夫链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 C. 预测建模 D. 寻找模式和规则

C.聚集 D. 估计遗漏值 8) 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(B) A. 第一个 B. 第二个 C. 第三个 D. 第四个 9) 下面哪个不属于数据的属性类型：(D) A. 标称 B. 序数 C.区间 D. 相异 10) 只有非零值才重要的二元属性被称作：( C ) A. 计数属性 B. 离散属性 C.非对称的二元属性 D. 对称属性 11) 以下哪种方法不属于特征选择的标准方法：(D) A. 嵌入 B. 过滤 C.包装 D. 抽样 12) 下面不属于创建新属性的相关方法的是：(B) A. 特征提取 B. 特征修改 C. 映射数据到新的空间 D. 特征构造 13) 下面哪个属于映射数据到新的空间的方法(A) A. 傅立叶变换 B. 特征加权 C. 渐进抽样 D. 维归约 14) 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：(D) 15) 一所大学内的各年纪人数分别为：一年级200人，二年级160人，三年级130 人，四年级110 人。则年级属性的众数是：(A) A. 一年级 B. 二年级 C. 三年级 D. 四年级 16) 下列哪个不是专门用于可视化时间空间数据的技术：(B) A. 等高线图 B. 饼图

数据挖掘试题与答案

一、解答题（满分30分，每小题5分） 1. 怎样理解数据挖掘和知识发现的关系？请详细阐述之首先从数据源中抽取感兴趣的数据，并把它组织成适合挖掘的数据组织形式；然后，调用相应的算法生成所需的知识；最后对生成的知识模式进行评估，并把有价值的知识集成到企业的智能系统中。知识发现是一个指出数据中有效、崭新、潜在的、有价值的、一个不可忽视的流程，其最终目标是掌握数据的模式。流程步骤：先理解要应用的领域、熟悉相关知识，接着建立目标数据集，并专注所选择的数据子集；再作数据预处理，剔除错误或不一致的数据；然后进行数据简化与转换工作；再通过数据挖掘的技术程序成为模式、做回归分析或找出分类模型；最后经过解释和评价成为有用的信息。 2. 时间序列数据挖掘的方法有哪些，请详细阐述之时间序列数据挖掘的方法有： 1）、确定性时间序列预测方法:对于平稳变化特征的时间序列来说，假设未来行为与现在的行为有关，利用属性现在的值预测将来的值是可行的。例如，要预测下周某种商品的销售额，可以用最近一段时间的实际销售量来建立预测模型。 2）、随机时间序列预测方法:通过建立随机模型，对随机时间序列进行分析，可以预测未来值。若时间序列是平稳的，可以用自回归(Auto Regressive，简称AR)模型、移动回归模型(Moving Average，简称MA)或自回归移动平均(Auto Regressive Moving Average，简称ARMA)模型进行分析预测。 3）、其他方法:可用于时间序列预测的方法很多，其中比较成功的是神经网络。由于大量的时间序列是非平稳的，因此特征参数和数据分布随着时间的推移而变化。假如通过对某段历史数据的训练，通过数学统计模型估计神经网络的各层权重参数初值，就可能建立神经网络预测模型，用于时间序列的预测。

数据挖掘-题库带答案

数据挖掘-题库带答案 1、最早提出“大数据”时代到来的是全球知名咨询公司麦肯锡() 答案：正确 2、决策将日益基于数据和分析而作出,而并非基于经验和直觉() 答案：错误解析：决策将日益基于数据和分析而作出,而并非基于经验和直觉 3、2011年被许多国外媒体和专家称为“大数据元年”() 答案：错误解析：2013年被许多国外媒体和专家称为“大数据元年” 4、我国网民数量居世界之首,每天产生的数据量也位于世界前列() 答案：正确 5、商务智能的联机分析处理工具依赖于数据库和数据挖掘。() 答案：错误解析：商务智能的联机分析处理工具依赖于数据仓库和多维数据挖掘。 6、数据整合、处理、校验在目前已经统称为 EL() 答案：错误解析：数据整合、处理、校验在目前已经统称为 ETL 7、大数据时代的主要特征() A、数据量大 B、类型繁多 C、价值密度低 D、速度快时效高答案： ABCD 8、下列哪项不是大数据时代的热门技术() A、数据整合 B、数据预处理 C、数据可视化 D、 SQL

答案： D 9、()是一种统计或数据挖掘解决方案,包含可在结构化和非结构化数据中使用以确定未来结果的算法和技术。 A、预测 B、分析 C、预测分析 D、分析预测答案： C 10、大数据发展的前提? 答案：解析：硬件成本的降低,网络带宽的提升,云计算的兴起,网络技术的发展,智能终端的普及,电子商务、社交网络、电子地图等的全面应用,物联网的兴起 11、调研、分析大数据发展的现状与应用领域。? 答案：解析：略 12、大数据时代的主要特征? 答案：解析：数据量大(Volume) 第一个特征是数据量大。大数据的起始计量单位至少是P(1000个T)、E(100万个T)或Z(10亿个T)。类型繁多(Variety) 第二个特征是数据类型繁多。包括网络日志、音频、视频、图片、地理位置信息等等,多类型的数据对数据的处理能力提出了更高的要求。价值密度低(Value) 第三个特征是数据价值密度相对较低。如随着物联网的广泛应用,信息感知无处不在,信息海量,但价值密度较低,如何通过强大的机器算法更迅速地完成数据的价值“提纯”,是大数据时代亟待解决的难题。速度快、时效高(Velocity) 第四个特征是处理速度快,时效性要求高。这是大数据区分于传统数据挖掘最显著的特征。 13、列举大数据时代的主要技术? 答案：解析：预测分析: 预测分析是一种统计或数据挖掘解决方案,包含可在结构化和非结构化数据中使用以确定未来结果的算法和技术。可为预测、优化、预报和模拟等许多其他用途而部署。随着现在硬件和软件解决方案的成熟,许多公司利用大数据技术来收集海量数据、训练模型、优化模型,并发布预测模型来提高业务

《数据挖掘》试题与标准答案

一、解答题（满分3０分，每小题5分) 1. 怎样理解数据挖掘和知识发现的关系?请详细阐述之首先从数据源中抽取感兴趣的数据，并把它组织成适合挖掘的数据组织形式;然后,调用相应的算法生成所需的知识;最后对生成的知识模式进行评估，并把有价值的知识集成到企业的智能系统中。知识发现是一个指出数据中有效、崭新、潜在的、有价值的、一个不可忽视的流程，其最终目标是掌握数据的模式。流程步骤:先理解要应用的领域、熟悉相关知识，接着建立目标数据集，并专注所选择的数据子集;再作数据预处理，剔除错误或不一致的数据；然后进行数据简化与转换工作；再通过数据挖掘的技术程序成为模式、做回归分析或找出分类模型；最后经过解释和评价成为有用的信息。 2.时间序列数据挖掘的方法有哪些，请详细阐述之时间序列数据挖掘的方法有: １)、确定性时间序列预测方法:对于平稳变化特征的时间序列来说，假设未来行为与现在的行为有关，利用属性现在的值预测将来的值是可行的。例如，要预测下周某种商品的销售额，可以用最近一段时间的实际销售量来建立预测模型。２）、随机时间序列预测方法：通过建立随机模型,对随机时间序列进行分析,可以预测未来值。若时间序列是平稳的,可以用自回归(Auto Ｒegressiｖe，简称AR)模型、移动回归模型(Ｍovｉng Ａveｒage,简称ＭＡ）或自回归移动平均(Aｕto Regrｅssive Moｖiｎg Aｖeraｇe，简称AＲMＡ)模型进行分析预测。 3)、其他方法:可用于时间序列预测的方法很多,其中比较成功的是神经网络。由于大量的时间序列是非平稳的,因此特征参数和数据分布随着时间的推移而变化。假如通过对某段历史数据的训练，通过数学统计模型估计神经网络的各层权重参数初值，就可能建立神经网络预测模型,用于时间序列的预测。

数据仓库与数据挖掘课后习题答案

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。 5）简述数据仓库4种体系结构的异同点及其适用性。 a.虚拟的数据仓库体系结构 b.单独的数据仓库体系结构 c.单独的数据集市体系结构 d.分布式数据仓库结构

数据挖掘考试题库完整

一、名词解释 1.数据仓库：是一种新的数据处理体系结构.是面向主题的、集成的、不可更新的(稳定性)、随时间不断变化(不同时间)的数据集合.为企业决策支持系统提供所需的集成信息。 2.孤立点：指数据库中包含的一些与数据的一般行为或模型不一致的异常数据。 3.OLAP：OLAP是在OLTP的基础上发展起来的.以数据仓库为基础的数据分析处理.是共享多维信息的快速分析.是被专门设计用于支持复杂的分析操作.侧重对分析人员和高层管理人员的决策支持。 4.粒度：指数据仓库的数据单位中保存数据细化或综合程度的级别。粒度影响存放在数据仓库中的数据量的大小.同时影响数据仓库所能回答查询问题的细节程度。 5.数据规范化：指将数据按比例缩放(如更换大单位).使之落入一个特定的区域（如0－1）以提高数据挖掘效率的方法。规范化的常用方法有：最大－最小规范化、零－均值规范化、小数定标规范化。 6.关联知识：是反映一个事件和其他事件之间依赖或相互关联的知识。如果两项或多项属性之间存在关联.那么其中一项的属性值就可以依据其他属性值进行预测。 7.数据挖掘：从大量的、不完全的、有噪声的、模糊的、随机的数据中.提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。 8.OLTP：OLTP为联机事务处理的缩写.OLAP是联机分析处理的缩写。前者是以数据库为基础的.面对的是操作人员和低层管理人员.对基本数据进行查询和增、删、改等处理。 9.ROLAP：是基于关系数据库存储方式的.在这种结构中.多维数据被映像成二维关系表.通常采用星型或雪花型架构.由一个事实表和多个维度表构成。 10.MOLAP：是基于类似于“超立方”块的OLAP存储结构.由许多经压缩的、类似于多维数组的对象构成.并带有高度压缩的索引及指针结构.通过直接偏移计算进行存取。 11.数据归约：缩小数据的取值范围.使其更适合于数据挖掘算法的需要.并且能够得到和原始数据相同的分析结果。 12.广义知识：通过对大量数据的归纳、概括和抽象.提炼出带有普遍性的、概括性的描述统计的知识。 13.预测型知识：是根据时间序列型数据.由历史的和当前的数据去推测未来的数据.也可以认为是以时间为关键属性的关联知识。 14.偏差型知识：是对差异和极端特例的描述.用于揭示事物偏离常规的异常现象.如标准类外的特例.数据聚类外的离群值等。 15.遗传算法：是一种优化搜索算法.它首先产生一个初始可行解群体.然后对这个群体通过模拟生物进化的选择、交叉、变异等遗传操作遗传到下一代群体.并最终达到全局最优。 16.聚类：是将物理或抽象对象的集合分组成为多个类或簇(cluster)的过程.使得在同一个簇中的对象之间具有较高的相似度.而不同簇中的对象差别较大。 17.决策树：是用样本的属性作为结点.用属性的取值作为分支的树结构。它是分类规则挖掘的典型方法.可用于对新样本进行分类。 18.相异度矩阵：是聚类分析中用于表示各对象之间相异度的一种矩阵.n个对象的相异度矩阵是一个nn维的单模矩阵.其对角线元素均为0.对角线两侧元素的值相同。 19.频繁项集：指满足最小支持度的项集.是挖掘关联规则的基本条件之一。 20.支持度：规则A→B的支持度指的是所有事件中A与B同地发生的的概率.即P(A∪B).是 AB同时发生的次数与事件总次数之比。支持度是对关联规则重要性的衡量。 21.可信度：规则A→B的可信度指的是包含A项集的同时也包含B项集的条件概率P(B|A).

数据挖掘考试题库【最新】

一、填空题 1.Web挖掘可分为、和3大类。 2.数据仓库需要统一数据源，包括统一、统一、统一和统一数据特征 4个方面。 3.数据分割通常按时间、、、以及组合方法进行。 4.噪声数据处理的方法主要有、和。 5.数值归约的常用方法有、、、和对数模型等。 6.评价关联规则的2个主要指标是和。 7.多维数据集通常采用或雪花型架构，以表为中心，连接多个表。 8.决策树是用作为结点，用作为分支的树结构。 9.关联可分为简单关联、和。 10.B P神经网络的作用函数通常为区间的。 11.数据挖掘的过程主要包括确定业务对象、、、及知识同化等几个步骤。 12.数据挖掘技术主要涉及、和3个技术领域。 13.数据挖掘的主要功能包括、、、、趋势分析、孤立点分析和偏差分析7个方面。 14.人工神经网络具有和等特点，其结构模型包括、和自组织网络 3种。 15.数据仓库数据的4个基本特征是、、非易失、随时间变化。 16.数据仓库的数据通常划分为、、和等几个级别。 17.数据预处理的主要内容(方法)包括、、和数据归约等。 18.平滑分箱数据的方法主要有、和。 19.数据挖掘发现知识的类型主要有广义知识、、、和偏差型知识五种。 20.O LAP的数据组织方式主要有和两种。 21.常见的OLAP多维数据分析包括、、和旋转等操作。 22.传统的决策支持系统是以和驱动，而新决策支持系统则是以、建立在和技术之上。 23.O LAP的数据组织方式主要有和2种。 24.S QL Server2000的OLAP组件叫，OLAP操作窗口叫。 25.B P神经网络由、以及一或多个结点组成。 26.遗传算法包括、、3个基本算子。 27.聚类分析的数据通常可分为区间标度变量、、、、序数型以及混合类型等。 28.聚类分析中最常用的距离计算公式有、、等。 29.基于划分的聚类算法有和。

(完整word版)数据挖掘题目及答案

一、何为数据仓库？其主要特点是什么？数据仓库与KDD的联系是什么？数据仓库是一个面向主题的（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，用于支持管理决策。特点： 1、面向主题操作型数据库的数据组织面向事务处理任务，各个业务系统之间各自分离，而数据仓库中的数据是按照一定的主题域进行组织的。 2、集成的数据仓库中的数据是在对原有分散的数据库数据抽取、清理的基础上经过系统加工、汇总和整理得到的，必须消除源数据中的不一致性，以保证数据仓库内的信息是关于整个企业的一致的全局信息。 3、相对稳定的数据仓库的数据主要供企业决策分析之用，一旦某个数据进入数据仓库以后，一般情况下将被长期保留，也就是数据仓库中一般有大量的查询操作，但修改和删除操作很少，通常只需要定期的加载、刷新。 4、反映历史变化数据仓库中的数据通常包含历史信息，系统记录了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。所谓基于数据库的知识发现（KDD）是指从大量数据中提取有效的、新颖的、潜在有用的、最终可被理解的模式的非平凡过程。数据仓库为KDD提供了数据环境，KDD从数据仓库中提取有效的，可用的信息二、数据库有4笔交易。设minsup=60%，minconf=80%。 TID DATE ITEMS_BOUGHT T100 3/5/2009 {A, C, S, L} T200 3/5/2009 {D, A, C, E, B} T300 4/5/2010 {A, B, C} T400 4/5/2010 {C, A, B, E} 使用Apriori算法找出频繁项集，列出所有关联规则。解：已知最小支持度为60%，最小置信度为80% 1）第一步，对事务数据库进行一次扫描，计算出D中所包含的每个项目出现的次数，生成候选1-项集的集合C1。

数据挖掘试卷及答案

12/13 年第2学期《数据挖掘与知识发现》期末考试试卷及答案一、什么是数据挖掘？什么是数据仓库？并简述数据挖掘的步骤。（20分）数据挖掘是从大量数据中提取或发现（挖掘）知识的过程。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的决策制定过程。步骤： 1）数据清理（消除噪声或不一致数据） 2) 数据集成（多种数据源可以组合在一起） 3 ) 数据选择（从数据库中检索与分析任务相关的数据） 4 ) 数据变换（数据变换或统一成适合挖掘的形式，如通过汇总或聚集操作） 5) 数据挖掘（基本步骤，使用智能方法提取数据模式） 6) 模式评估（根据某种兴趣度度量，识别表示知识的真正有趣的模式；） 7) 知识表示（使用可视化和知识表示技术，向用户提供挖掘的知识）二、元数据的定义是什么？元数据包括哪些内容？（20分）元数据是关于数据的数据。在数据仓库中, 元数据是定义仓库对象的数据。元数据包括：数据仓库结构的描述，包括仓库模式、视图、维、分层结构、导出数据的定义, 以及数据集市的位置和内容。操作元数据，包括数据血统（移植数据的历史和它所使用的变换序列）、数据流通（主动的、档案的或净化的)、管理信息（仓库使用统计量、错误报告和审计跟踪）。汇总算法，包括度量和维定义算法, 数据所处粒度、划分、主题领域、聚集、汇总、预定义的查询和报告。由操作环境到数据仓库的映射，包括源数据库和它们的内容，网间连接程序描述, 数据划分, 数据提取、清理、转换规则和缺省值, 数据刷新和净化规则, 安全 (用户授权和存取控制)。关于系统性能的数据，刷新、更新定时和调度的规则与更新周期，改善数据存取和检索性能的索引和配置。商务元数据，包括商务术语和定义, 数据拥有者信息和收费策略。三、在 O L A P 中，如何使用概念分层? 请解释多维数据模型中的OLAP上卷下钻切片切块和转轴操作。（20分）在多维数据模型中，数据组织成多维，每维包含由概念分层定义的多个抽象层。这种组织为用户从不同角度观察数据提供了灵活性。有一些 O L A P 数据立方体操作用来物化这些不同视图，允许交互查询和分析手头数据。因此， O L A P 为交互数据分析提供了友好的环境。上卷：上卷操作通过一个维的概念分层向上攀升或者通过维归约，在数据立方体上进行聚集。下钻：下钻是上卷的逆操作，它由不太详细的数据到更详细的数据。下钻可以通过沿维的概念分层向下或引入新的维来实现。切片：在给定的数据立方体的一个维上进行选择，导致一个子方。切块：通过对两个或多个维执行选择，定义子方。

数据挖掘离线作业

浙江大学远程教育学院《数据挖掘》课程作业姓名：学号：年级：学习中心：————————————————————————————— 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、数据交换、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）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、简答题（1）什么是数据挖掘？答：数据挖掘指的是从大量的数据中挖掘出那些令人感兴趣的、有用的、隐含的、先前未知的和可能有用的模式或知识。（2）一个典型的数据挖掘系统应该包括哪些组成部分？答：一个典型的数据挖掘系统应该包括以下部分：1、数据库、数据仓库或其他信息库，2、数据库或数据仓库服务器，3、知识库，4、数据挖掘引擎，5、模式评估魔磕，6图形用户界面。（3）Web挖掘包括哪些步骤？答：数据清理：（这个可能要占用过程60%的工作量）、数据集成、将数据存入数据仓库、建立数据立方体、选择用来进行数据挖掘的数据、数据挖掘（选择适当的算法来找到感兴趣的模式）、展现挖掘结果、将模式或者知识应用或者存入知识库。（4）请列举数据挖掘应用常见的数据源。（或者说，我们都在什么样的数据上进行数据挖掘）答：常见的数据源包括关系数据库、数据仓库、事务数据库和高级数据库系统和信息库。其中高级数据库系统和信息库包括：空间数据库、时间数据库和时间序列数据库、流数据、多媒体数据库、面向对象数据库和对象——关系数据库、异种数据库和遗产数据库、文本数据库和万维网等。

数据挖掘测试题

1.某超市研究销售纪录数据后发现，买啤酒的人很大概率也会购买尿布，这种属于数据挖掘的哪类问题？A A. 关联规则发现 B. 聚类 C. 分类 D. 自然语言处理 2.以下两种描述分别对应哪两种对分类算法的评价标准？A (a)警察抓小偷，描述警察抓的人中有多少个是小偷的标准。 (b)描述有多少比例的小偷给警察抓了的标准。 A. Precision, Recall B. Recall, Precision C. Precision, ROC D. Recall, ROC 3.将原始数据进行集成、变换、维度规约、数值规约是在以下哪个步骤的任务？C A. 频繁模式挖掘 B. 分类和预测页脚内容1

C. 数据预处理 D. 数据流挖掘 4.当不知道数据所带标签时，可以使用哪种技术促使带同类标签的数据与带其他标签的数据相分离？B A. 分类 B. 聚类 C. 关联分析 D. 隐马尔可夫链 5. 什么是KDD？A A. 数据挖掘与知识发现 B. 领域知识发现 C. 文档知识发现 D. 动态知识发现 6.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？A A. 探索性数据分析 B. 建模描述 C. 预测建模页脚内容2

D. 寻找模式和规则 7.为数据的总体分布建模；把多维空间划分成组等问题属于数据挖掘的哪一类任务？B A. 探索性数据分析 B. 建模描述 C. 预测建模 D. 寻找模式和规则 8.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？C A. 根据内容检索 B. 建模描述 C. 预测建模 D. 寻找模式和规则 9.用户有一种感兴趣的模式并且希望在数据集中找到相似的模式，属于数据挖掘哪一类任务？ A. 根据内容检索 B. 建模描述 C. 预测建模 D. 寻找模式和规则页脚内容3

数据挖掘在线作业

数据挖掘您的本次作业分数为：95分单选题 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:D 单选题 2.【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:B 单选题 3.【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:C 单选题 4.【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:E 单选题 5.【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:B 单选题 6.【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:B 单选题 7.【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:D 单选题 8.【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

数据仓库与数据挖掘考试试题

一、填空题（15分） 1.数据仓库的特点分别是面向主题、集成、相对稳定、反映历史变化。 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。根据元数据用途的不同可将元数据分为技术元数据和业务元数据两类。 3.OLAP技术多维分析过程中，多维分析操作包括切片、切块、钻取、旋转等。 4.基于依赖型数据集市和操作型数据存储的数据仓库体系结构常常被称为“中心和辐射”架构，其中企业级数据仓库是中心，源数据系统和数据集市在输入和输出范围的两端。 5.ODS实际上是一个集成的、面向主题的、可更新的、当前值的、企业级的、详细的数据库，也叫运营数据存储。二、多项选择题（10分） 6.在数据挖掘的分析方法中，直接数据挖掘包括（ＡＣＤ） A 分类 B 关联 C 估值 D 预言 7.数据仓库的数据ETL过程中，ETL软件的主要功能包括（ＡＢＣ） A 数据抽取 B 数据转换 C 数据加载 D 数据稽核 8.数据分类的评价准则包括（ ABCD ） A 精确度 B 查全率和查准率 C F-Measure D 几何均值 9.层次聚类方法包括（ BC ） A 划分聚类方法 B 凝聚型层次聚类方法 C 分解型层次聚类方法 D 基于密度聚类方法 10.贝叶斯网络由两部分组成，分别是（ A D ） A 网络结构 B 先验概率 C 后验概率 D 条件概率表三、计算题（30分） 11.一个食品连锁店每周的事务记录如下表所示，其中每一条事务表示在一项收款机业务中卖出的项目，假定sup min=40%，conf min=40%，使用Apriori算法计算生成的关联规则，标明每趟数据库扫描时的候选集和大项目集。（15分）解：（1）由I={面包、果冻、花生酱、牛奶、啤酒}的所有项目直接产生1-候选C1，计算其支持度，取出支持度小于sup min的项集，形成1-频繁集L1，如下表所示：

大数据时代下的数据挖掘试题及答案

《海量数据挖掘技术及工程实践》题目一、单选题（共80题） 1)( D )的目的缩小数据的取值范围，使其更适合于数据挖掘算法的需要，并且能够得到和原始数据相同的分析结果。 A.数据清洗 B.数据集成 C.数据变换 D.数据归约 2)某超市研究销售纪录数据后发现，买啤酒的人很大概率也会购买尿布，这种属于数据挖掘的哪类问题(A) 3) A. 关联规则发现 B. 聚类 4) C. 分类 D. 自然语言处理 5)以下两种描述分别对应哪两种对分类算法的评价标准 (A) 6) (a)警察抓小偷，描述警察抓的人中有多少个是小偷的标准。 7) (b)描述有多少比例的小偷给警察抓了的标准。 8) A. Precision,Recall B. Recall,Precision 9) A. Precision,ROC D. Recall,ROC 10)将原始数据进行集成、变换、维度规约、数值规约是在以下哪个步骤的任务 (C) 11) A. 频繁模式挖掘 B. 分类和预测 C. 数据预处理 D. 数据流挖掘 12)当不知道数据所带标签时，可以使用哪种技术促使带同类标签的数据与带其他标签的数据相分离(B) 13) A. 分类 B. 聚类 C. 关联分析 D. 隐马尔可夫链 14)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(C) 建模描述 B. 根据内容检索 A. 15)． 16) C. 预测建模 D. 寻找模式和规则 17)下面哪种不属于数据预处理的方法 (D) 18) A.变量代换 B.离散化 C.聚集 D.估计遗漏值 19)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 (B) 20) A.第一个 B.第二个 C.第三个 D.第四个 21)下面哪个不属于数据的属性类型：(D) 22) A.标称 B.序数 C.区间 D.相异

数据挖掘考试题库

1.何谓数据挖掘？它有哪些方面的功能？从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程称为数据挖掘。相关的名称有知识发现、数据分析、数据融合、决策支持等。数据挖掘的功能包括：概念描述、关联分析、分类与预测、聚类分析、趋势分析、孤立点分析以及偏差分析等。 2.何谓粒度？它对数据仓库有什么影响？按粒度组织数据的方式有哪些？粒度是指数据仓库的数据单位中保存数据细化或综合程度的级别。粒度影响存放在数据仓库中的数据量的大小，同时影响数据仓库所能回答查询问题的细节程度。按粒度组织数据的方式主要有： ①简单堆积结构 ②轮转综合结构 ③简单直接结构 ④连续结构 3.简述数据仓库设计的三级模型及其基本内容。概念模型设计是在较高的抽象层次上的设计，其主要内容包括：界定系统边界和确定主要的主题域。逻辑模型设计的主要内容包括：分析主题域、确定粒度层次划分、确定数据分割策略、定义关系模式、定义记录系统。物理数据模型设计的主要内容包括：确定数据存储结构、确定数据存放位置、确定存储分配以及确定索引策略等。在物理数据模型设计时主要考虑的因素有: I/O存取时间、空间利用率和维护代价等。提高性能的主要措施有划分粒度、数据分割、合并表、建立数据序列、引入冗余、生成导出数据、建立广义索引等。 4.在数据挖掘之前为什么要对原始数据进行预处理？原始业务数据来自多个数据库或数据仓库，它们的结构和规则可能是不同的，这将导致原始数据非常的杂乱、不可用，即使在同一个数据库中，也可能存在重复的和不完整的数据信息，为了使这些数据能够符合数据挖掘的要求，提高效率和得到清晰的结果，必须进行数据的预处理。为数据挖掘算法提供完整、干净、准确、有针对性的数据，减少算法的计算量，提高挖掘效率和准确程度。 5.简述数据预处理方法和内容。 ①数据清洗：包括填充空缺值，识别孤立点，去掉噪声和无关数据。 ②数据集成：将多个数据源中的数据结合起来存放在一个一致的数据存储中。需要注意不同数据源的数据匹配问题、数值冲突问题和冗余问题等。 ③数据变换：将原始数据转换成为适合数据挖掘的形式。包括对数据的汇总、聚集、概化、规范化，还可能需要进行属性的重构。 ④数据归约：缩小数据的取值范围，使其更适合于数据挖掘算法的需要，并且能够得到和原始数据相同的分析结果。 6.简述数据清理的基本内容。 ①尽可能赋予属性名和属性值明确的含义； ②统一多数据源的属性值编码； ③去除无用的惟一属性或键值(如自动增长的id)； ④去除重复属性(在某些分析中，年龄和出生日期可能就是重复的属性，但在某些时候它们可能又是同时需要的) ⑤去除可忽略字段(大部分为空值的属性一般是没有什么价值的，如果不去除可能造成错误的数据挖掘结果) ⑥合理选择关联字段(对于多个关联性较强的属性，重复无益，只需选择其中的部分用于数据挖掘即可，如价格、数据、金额) ⑦去掉数据中的噪音、填充空值、丢失值和处理不一致数据。 7.简述处理空缺值的方法。 ①忽略该记录； ②去掉属性； ③手工填写空缺值； ④使用默认值； ⑤使用属性平均值； ⑥使用同类样本平均值； ⑦预测最可能的值。 8.常见的分箱方法有哪些？数据平滑处理的方法有哪些？分箱的方法主要有： ①统一权重法(又称等深分箱法) ②统一区间法(又称等宽分箱法) ③最小熵法 ④自定义区间法数据平滑的方法主要有：平均值法、边界值法和中值法。

数据仓库与数据挖掘试题

《数据仓库与数据挖掘试题》一、判断题(每小题1分，计30分，答题时每5个答案写在一起) 1.数据库作为数据资源用于管理业务中的信息分析处理。（X） 2.数据库的查询不是指对记录级数据的查询，而是指对分析要求的查询。（X） 3.关系数据库是二维数据（平面），多维数据库是空间立体数据。（v） 4.数据进入数据仓库之前，必须经过加工与集成。（V） 5.OLAP使用的是当前数据；OLTP使用的是历史数据。（V） 6.对数据仓库操作不明确，操作数据量少。（X） 7.数据集市实现难度超过数据仓库。（X） 8.OLAP使用的数据经常更新；OLTP使用的数据不更新，但周期性刷新。（X） 9.数据集市可升级到完整的数据仓库。（V） 10.数据库中存放的数据基本上是保存当前综合数据。（X） 11.OLAP可以应分析人员的要求快速、灵活地进行大数据量的复杂处理。（V） 12.OLAP支持复杂的决策分析操作，侧重对分析人员和高层管理人员的决策支持。（V） 13.OLTP的事务处理量大，处理内容比较简单但重复率高。（V） 14.数据仓库的用户有两类：信息使用者和探索者。（V） 15.对数据库的操作比较明确，操作数据量大。（X） 16.数据库用于事务处理，数据仓库用于决策分析。（V） 17.信息使用者以一种可预测的、重发性的方式使用数据仓库平台。（V） 18.OLAP一次处理的数据量大；OLTP一次性处理的数据量小。（V）

19.OLTP每次操作的数据量不大且多为当前的数据。（V ） 20.数据仓库系统由数据仓库（DW）、仓库管理和分析工具三部分组成。（V） 21.随着业务的变化,数据仓库中的数据会随时更新。（X） 22.数据集市的规模比数据仓库更大。（X） 23.数据集市具有更详细的、预先存储在数据仓库的数据。（V） 24.不同维值的组合及其对应的度量值构成了不同的查询和分析。（V） 25.OLAP使用细节性数据，OLTP使用综合性数据。（X） 26.数据集市由企业管理和维护。（X） 27.OLAP的概念模型是多维的。（V） 28.数据库已经成为了成熟的信息基础设施。（V） 29.数据库既保存过去的数据又保存当前的数据。（X） 30.OLTP面对的是事务处理操作人员和低层管理人员。（V）二、填空题(每小题1分，计10分) 1.信息使用者通常查看概括数据或聚集数。 2.探索者的任务是寻找公司数据内隐含的价值。 3.数据立方体是在所有可能组合的维上进行分组聚集计算的总和。 4.基本的多维数据分析操作包括切片切块、旋转、钻取等。 5.数据立方体的构建和维护等计算方法成为了多维数据分析研究的关键问题。 6.OLAP是建立在网络上的开发体系结构。 7.在数据立方体中，不同维度组合构成了不同的子立方体。 8.不同的数据仓库需要建立不同的数据库。

数据挖掘计算题参考答案

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) 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 （，）（2）经过两次循环后，最后的3个族分别是什么？答案：1：X1，X8 ， 2：X3，X4，X5，X6 （，） 3：X2，X7 （，） a.使用Apriori算法找出频繁项集，并写出具体过程。答： (a)Apriori算法：

{K} 1 {A} 4 {A,B} 4 {A,B,D} 3 {A} 4 {B} 4 {A,D} 3 {B} 4 {D} 3 {B,D} 3 {D} 3 {C} 2 {E} 2 频繁项集为3项集{A,B,D}:3 b.列出所有的强关联规则，使它们与下面的元规则匹配，其中，X 是代表顾客的变量，i item 是表示项的变量（例如，“A ”、“B ”等）： 123,(,)(,)(,)x transaction buys X item buys X item buys X item ?∈∧? [s,c] 答：所有频繁子项集有{A},{B},{D},{A,B},{A,D},{B,D} A^B=>D conf=3/4=75% × A^D=>B conf=3/3=100% √ B^D=>A conf=3/3=100% √ 因此，满足条件的强关联规则有： A^D=>B{supp=75%,conf=100%} B^D=>A{supp=75%,conf=100%} ID Sky AirTemp Humidity Wind Water Forecast Enjoysport 1 Sunny Warm Normal Strong Warm Same Yes 2 Sunny Warm High Strong Warm Same Yes 3 Rainy Cold High Strong Warm Change No 4 Sunny Warm High Strong Cool Change yes 请计算属性Sky 的信息增益。答： C1 ：Enjoysport=yes=3 C2 ：Enjoysport=no=1 2 2 1/4= sky C1 C2 rainy 0 1 sunny 3 I(sky)=1/4I(0,1)+3/4I(3,0)=0 Gain(sky)= 习题: 1. 以汽车保险为例:假定训练数据库具有两个属性:年龄和汽车类型。年龄————序数属性汽车类型——分类属性年龄汽车类型类

文档之家