1 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
数据仓库与数据挖掘习题答案
第1章 数据仓库的概念与体系结构
1. 面向主题的，相对稳定的。
2. 技术元数据，业务元数据。
3. 联机分析处理OLAP。
4. 切片（Slice），钻取（Drill-down和Roll-up等）。
5. 基于关系数据库。
6. 数据抽取，数据存储与管理。
7. 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. 可更新的，当前值的。
9. 接近实时。
10. 以报表为主，以分析为主，以预测模型为主，以营运导向为主。
11. 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。操作型数据库的数据组织是面向事务处理任务，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。主题是一个抽象的概念，是指用户使用数据仓库进行决策时所关心的重点领域，一个主题通常与多个操作型业务系统或外部档案数据相关。
（2）集成的。面向事务处理的操作型数据库通常与某些特定的应用相关，数据库之间相互独立，并且往往是异构的。而数据仓库中的数据是在对原有分散的数据库数据作抽取、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事业单位一致的全局信息。也就是说存放在数据仓库中的数据应使用一致的命名规则、格式、编码结构和相关特性来定义。
（3）相对稳定的。操作型数据库中的数据通常实时更新，数据根据需要及时发生变化。数据仓库的数据主要供单位决策分析之用，对所涉及的数据操作主要是数据查询和加载，一旦某个数据加载到数据仓库以后，一般情况下将作为数据档案长期保存，几乎不再做修改和删除操作，也就是说针对数据仓库，通常有大量的查询操作及少量定期的加载（或刷新）操作。
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
A. 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 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 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
数据分析与挖掘习题
第一章作业
1.1什么是数据挖掘?在你的回答中,强调以下问题:
(a) 它是又一个骗局吗?
数据挖掘,在人工智能领域,习惯上又称为数据库中知识发现(Knowledge
Discovery in Database, KDD),也有人把数据挖掘视为数据库中知识发现过程的一个基本步骤。数据挖掘可以与用户或知识库交互。并非所有的信息发现任务都被视为数据挖掘。例如,使用数据库管理系统查找个别的记录,或通过因特网的搜索引擎查找特定的Web页面,则是信息检索(information retrieval)领域的任务。虽然这些任务是重要的,可能涉及使用复杂的算法和数据结构,但是它们主要依赖传统的计算机科学技术和数据的明显特征来创建索引结构,从而有效地组织和检索信息。尽管如此,数据挖掘技术也已用来增强信息检索系统的能力。
(b) 它是一种从数据库,统计学和机器学习发展的技术的简单转换吗?
硬要去区分Data Mining和Statistics的差异其实是没有太大意义的。一般将之定义为Data Mining技术的CART、CHAID或模糊计算等等理论方法,也都是由统计学者根据统计理论所发展衍生,换另一个角度看,Data Mining有相当大的比重是由高等统计学中的多变量分析所支撑。但是为什么Data Mining的出现会引发各领域的广泛注意呢?主要原因在相较于传统统计分析而言,Data Mining有下列几项特性:
1.处理大量实际数据更强势,且无须太专业的统计背景去使用Data Mining的工具
2.数据分析趋势为从大型数据库抓取所需数据并使用专属计算机分析软件,Data Mining 的工具更符合企业需求;
3. 纯就理论的基础点来看,Data Mining和统计分析有应用上的差别,毕竟Data Mining 目的是方便企业终端用户使用而非给统计学家检测用的。
(c) 解释数据库技术发展如何导致数据挖掘
