下载文档原格式
大学课程《数据挖掘》试题参考答案范围：∙ 1.什么是数据挖掘？它与传统数据分析有什么区别？定义：数据挖掘（Data Mining，DM）又称数据库中的知识发现（Knowledge Discover in Database，KDD），是目前人工智能和数据库领域研究的热点问题，所谓数据挖掘是指从数据库的大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的非平凡过程。
数据挖掘是一种决策支持过程，它主要基于人工智能、机器学习、模式识别、统计学、数据库、可视化技术等，高度自动化地分析企业的数据，做出归纳性的推理，从中挖掘出潜在的模式，帮助决策者调整市场策略，减少风险，做出正确的决策。
区别：（1）数据挖掘的数据源与以前相比有了显著的改变；数据是海量的；数据有噪声；数据可能是非结构化的；（2）传统的数据分析方法一般都是先给出一个假设然后通过数据验证，在一定意义上是假设驱动的；与之相反，数据挖掘在一定意义上是发现驱动的，模式都是通过大量的搜索工作从数据中自动提取出来。
即数据挖掘是要发现那些不能靠直觉发现的信息或知识，甚至是违背直觉的信息或知识，挖掘出的信息越是出乎意料，就可能越有价值。
在缺乏强有力的数据分析工具而不能分析这些资源的情况下，历史数据库也就变成了“数据坟墓”－里面的数据几乎不再被访问。
也就是说，极有价值的信息被“淹没”在海量数据堆中，领导者决策时还只能凭自己的经验和直觉。
因此改进原有的数据分析方法，使之能够智能地处理海量数据，即演化为数据挖掘。
∙ 2.请根据CRISP-DM（Cross Industry Standard Process for Data Mining）模型，描述数据挖掘包含哪些步骤？CRISP-DM 模型为一个KDD工程提供了一个完整的过程描述.该模型将一个KDD工程分为6个不同的,但顺序并非完全不变的阶段.1: business understanding: 即商业理解. 在第一个阶段我们必须从商业的角度上面了解项目的要求和最终目的是什么. 并将这些目的与数据挖掘的定义以及结果结合起来.2.data understanding: 数据的理解以及收集,对可用的数据进行评估.3: data preparation: 数据的准备,对可用的原始数据进行一系列的组织以及清洗,使之达到建模需求.4:modeling: 即应用数据挖掘工具建立模型.5:evaluation: 对建立的模型进行评估,重点具体考虑得出的结果是否符合第一步的商业目的.6: deployment: 部署,即将其发现的结果以及过程组织成为可读文本形式.(数据挖掘报告)∙ 3.请描述未来多媒体挖掘的趋势随着多媒体技术的发展，人们接触的数据形式不断地丰富，多媒体数据库的日益增多，原有的数据库技术已满足不了应用的需要，人们希望从这些媒体数据中得到一些高层的概念和模式，找出蕴涵于其中的有价值的知识。
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。
3. 数据挖掘的分类方法有哪些，请详细阐述之分类方法归结为四种类型：1）、基于距离的分类方法:距离的计算方法有多种，最常用的是通过计算每个类的中心来完成，在实际的计算中往往用距离来表征，距离越近，相似性越大，距离越远，相似性越小。
《数据挖掘》试题与答案编辑整理：尊敬的读者朋友们：这里是精品文档编辑中心，本文档内容是由我和我的同事精心编辑整理后发布的，发布之前我们对文中内容进行仔细校对，但是难免会有疏漏的地方，但是任然希望（《数据挖掘》试题与答案）的内容能够给您的工作和学习带来便利。
同时也真诚的希望收到您的建议和反馈，这将是我们进步的源泉，前进的动力。
本文可编辑可修改，如果觉得对您有帮助请收藏以便随时查阅，最后祝您生活愉快业绩进步，以下为《数据挖掘》试题与答案的全部内容。
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。
数据仓库和数据库有何不同？有哪些相似之处？答：区别：数据仓库是面向主题的，集成的，不易更改且随时间变化的数据集合，用来支持管理人员的决策，数据库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，是面向操作型的数据库，是组成数据仓库的源数据。
它用表组织数据，采用E R数据模型。
相似：它们都为数据挖掘提供了源数据，都是数据的组合。
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。
答：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 aversge）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： major（X, “ computing science ”） ? owns（X, “ personal computer ” ）[support=12%, confidence=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（或功能），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。
数据挖掘概念与技术（原书第3版）第一章课后习题及解答1.9习题1.1什么是数据挖掘？在你的回答中，强调以下问题：(a）它是又一种广告宣传吗？（b)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?(c)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。
(d)当把数据挖掘看做知识发现过程时，描述数据挖掘所涉及的步骤。
答：狭义的数据挖掘是知识发现过程中的一个步骤,广义的数据挖掘通常用来表示整个知识发现过程,我们一般采用广义的观点:数据挖掘是从大量数据中挖掘有趣模式和知识的过程。
数据源包括数据库、数据仓库、WEB、其他信息存储库或动态地流入系统的数据。
a.它不是一种广告宣传，它基于实际的需求，提供从数据中发现知识的工具。
b。
数据挖掘不是从数据库、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，它可以看做是信息技术的自然进化，是一些相关学科和应用领域的交汇点.c。
数据挖掘是数据库技术进化的结果，也是机器学习、统计学和模式识别领域技术进化的结果。
机器学习是一个快速成长的学科,这一领域中的监督学习、无监督学习、半监督学习和主动学习问题，与数据挖掘高度相关，数据挖掘和机器学习有许多相似之处,对于分类和聚类任务，机器学习研究通常关注模型的准确率。
除准确率之外，数据挖掘研究非常强调挖掘方法在大型数据集上的有效性和可伸缩性，以及处理复杂数据类型的方法，开发新的非传统的方法.统计学研究数据的收集、分析、解释和表示。
数据挖掘和统计学具有天然联系。
（1）统计模型是一组数学函数，它们利用随机变量及其概率分布刻画目标类对象的行为，可以是数据挖掘的结果，也可以是数据挖掘任务的基础。
（2)统计学研究开发一些使用数据和统计模型进行预测和预报的工具，描述统计可以帮助理解数据；推理统计学用某种方式对数据建模，可以解释观测中的随机性和确定性，并用来提取关于所考察的过程中或总体的结论.（3）统计假设检验使用实验数据进行统计判决,可以用来验证数据挖掘结果。
1.4 数据仓库和数据库有何不同？有哪些相似之处？答：区别：数据仓库是面向主题的，集成的，不易更改且随时间变化的数据集合，用来支持管理人员的决策，数据库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，是面向操作型的数据库，是组成数据仓库的源数据。
它用表组织数据，采用ER数据模型。
相似：它们都为数据挖掘提供了源数据，都是数据的组合。
1.3 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。
答：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 aversge)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：major(X, “computing science”) ⇒ owns(X, “personal computer”)[support=12%, confidence=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（或功能），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。
智慧树知道网课《数据挖掘》课后章节测试满分答案第一章测试1【单选题】(20分)什么是KDD？A.C.文档知识发现B.A.数据挖掘与知识发现C.D.动态知识发现D.B.领域知识发现2【判断题】(20分)数据挖掘的主要任务是从数据中发现潜在的规则，从而能更好的完成描述数据、预测数据等任务。
A.错B.对3【多选题】(20分)数据挖掘的预测建模任务主要包括哪几大类问题？A.分类B.模式匹配C.模式发现D.回归4【多选题】(20分)以下哪些学科和数据挖掘有密切联系？A.人工智能B.计算机组成原理C.矿产挖掘D.统计5【判断题】(20分)离群点可以是合法的数据对象或者值。
A.错B.对第二章测试1【单选题】(20分)下面哪个属于定量的属性类型：A.区间B.序数C.标称D.相异2【单选题】(20分)只有非零值才重要的二元属性被称作：A.非对称的二元属性B.离散属性C.对称属性D.计数属性3【判断题】(20分)定量属性可以是整数值或者是连续值。
A.对B.4【单选题】(20分)中心趋势度量模（mode）是指A.数据集中出现频率最高的值B.算术平均值C.最大值D.最小值5【多选题】(20分)以下哪些是属于中心趋势的度量A.标准差B.中位数五数概括D.平均值第三章测试1【单选题】(20分)数据清洗的方法不包括A.一致性检查。
第一章6．1 数据特征化是目标类数据的一般特性或特征的汇总。
（1）岁、有工5040—元以上的顾客特征的汇总描述是：年龄在例如，在某商店花费1000 作和很好的信誉等级。
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）（2 较。
由可与低平均分数的学生的一般特点进行比较。
例如，高平均分数的学生的一般特点，％的学生是大四的计算机科学专业75此产生的可能是一个相当普遍的描述，如平均分高达的学生则不是。
的学生，而平均分低于65% ）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。
（3”X，）=>拥有（X 例如，一个数据挖掘系统可能会发现这样的规则：专业（，“计算机科学”是一个变量，代表一个学生，该规，其中Xconfidence = 98％]％，个人电脑“）[support= 12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，则拥有个人则表明，98%显示属于计算机科学专的支持度意味着所研究的所有事务的12%98%。
12%电脑的可能性是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。
09物流2班戚业宏2009306820591.1a．数据挖掘不是又一种广告宣传，而是由于大量数据的可用性以及把这些数据变为有用的信息的迫切需要，使得数据挖掘变得更加有必要。
因此，数据挖掘可以被看作是信息技术的自然演变的结果。
b．数据挖掘不是一种从数据库、统计学和机器学习发展的技术的简单转换，而是来自多学科，例如数据库技术、统计学，机器学习、高性能计算、模式识别、神经网络、数据可视化、信息检索、图像和信号处理以及空间数据分析技术的集成。
c．数据库技术开始于数据收集和数据库创建机制的发展，导致了用于数据管理的有效机制，包括数据存储和检索，查询和事务处理的发展。
提供查询和事务处理的大量的数据库系统最终自然地导致了对数据分析和理解的需要。
因此，出于这种必要性，数据挖掘开始了其发展。
d．当把数据挖掘看作知识发现过程时，涉及步骤如下：数据清理，一个删除或消除噪声和不一致的数据的过程；数据集成，多种数据源可以组合在一起；数据选择，从数据库中提取与分析任务相关的数据；数据变换，数据变换或同意成适合挖掘的形式，如通过汇总或聚集操作；数据挖掘，基本步骤，使用智能方法提取数据模式；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；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。
1.2例如百货公司，可以使用数据挖掘来协助其市场营销目标的实现。
利用数据挖掘功能，例如关联，商店可以使用强关联规则来确定其中一组客户购买的产品可能会导致某些其他产品的购买。
有了这些信息，商店可以出售产品给那些更加喜欢购买更多商品的顾客。
数据查询处理用于数据或信息的检索，没有方法发现关联规则。
同样，简单统计分析无法处理大量的数据，如一家百货公司的顾客记录。
1.6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 aversge)的信息，还有所修的课程的最大数量。
数据挖掘参考答案数据挖掘参考答案随着信息时代的到来，大数据成为了各个领域的热门话题。
数据的爆炸式增长给人们带来了巨大的挑战，同时也带来了无限的机遇。
在这个背景下，数据挖掘作为一种重要的数据分析方法，被广泛应用于商业、科学、医疗等领域。
本文将从数据挖掘的定义、应用领域和技术方法等方面进行探讨。
首先，我们来了解一下数据挖掘的定义。
数据挖掘是一种通过从大量数据中发现隐藏模式和知识的过程。
它涉及到多个学科领域，包括统计学、机器学习、人工智能等。
数据挖掘的目标是通过分析数据，找出其中的规律和趋势，以便做出预测和决策。
数据挖掘的应用领域非常广泛。
在商业领域，数据挖掘可以用于市场营销、客户关系管理、风险管理等方面。
例如，通过分析用户的购买记录和行为模式，企业可以预测用户的需求，优化产品推荐，提高销售额。
在科学研究中，数据挖掘可以用于发现新的科学规律和模型。
例如，通过分析天文观测数据，科学家可以发现新的星系和行星。
在医疗领域，数据挖掘可以用于疾病诊断、药物研发等方面。
例如，通过分析大量的医疗数据，医生可以预测患者的疾病风险，制定个性化的治疗方案。
数据挖掘的技术方法也非常多样。
其中最常用的方法包括聚类分析、分类分析、关联规则挖掘和预测分析等。
聚类分析是将数据分成若干个类别，使得同一类别内的数据相似度较高，不同类别之间的数据相似度较低。
分类分析是根据已有的数据集，建立一个分类模型，用于对新的数据进行分类。
关联规则挖掘是发现数据中的相关性和关联关系。
预测分析是通过分析历史数据，预测未来的趋势和结果。
除了上述常用的技术方法，还有一些新兴的数据挖掘技术值得关注。
例如，深度学习是一种基于神经网络的机器学习方法，可以用于处理大规模的非结构化数据。
自然语言处理是一种将自然语言转化为计算机可处理形式的技术，可以用于处理文本数据。
图挖掘是一种挖掘图数据中的模式和知识的方法，可以用于社交网络分析、网络安全等领域。
然而，数据挖掘也面临着一些挑战和问题。
数据挖掘考试和答案一、单项选择题（每题2分，共20分）1. 数据挖掘的主要任务不包括以下哪一项？A. 分类B. 聚类C. 预测D. 数据清洗答案：D2. 以下哪个算法不是用于分类的？A. 决策树B. 支持向量机C. K-均值D. 神经网络答案：C3. 在数据挖掘中，以下哪个概念与“异常检测”相对应？A. 频繁模式挖掘B. 聚类C. 关联规则学习D. 异常检测答案：D4. 以下哪个算法是用于聚类的？A. Apriori算法B. K-最近邻算法C. 逻辑回归D. 随机森林答案：B5. 在关联规则学习中，以下哪个指标用于衡量规则的置信度？A. 支持度B. 置信度C. 增益D. 覆盖度答案：B6. 数据挖掘中的“过拟合”是指模型：A. 过于复杂，无法泛化到新数据B. 过于简单，无法捕捉数据的复杂性C. 训练时间过长D. 计算成本过高答案：A7. 在时间序列分析中，ARIMA模型的全称是什么？A. 自回归积分滑动平均模型B. 自回归移动平均模型C. 自回归积分滑动平均模型D. 自回归条件异方差模型答案：A8. 以下哪个是监督学习算法？A. K-均值聚类B. 决策树C. 主成分分析D. Apriori算法答案：B9. 在数据挖掘中，以下哪个概念与“特征选择”相对应？A. 特征提取B. 特征工程C. 降维D. 数据清洗答案：C10. 以下哪个算法是用于降维的？A. 线性回归B. 主成分分析C. 逻辑回归D. 支持向量机答案：B二、多项选择题（每题3分，共15分）11. 数据挖掘中的“关联规则学习”可以应用于以下哪些场景？A. 市场篮分析B. 异常检测C. 推荐系统D. 聚类分析答案：A, C12. 以下哪些是数据挖掘中常用的距离度量？A. 欧氏距离B. 曼哈顿距离C. 余弦相似度D. 杰卡德相似系数答案：A, B, C, D13. 在数据挖掘中，以下哪些是常用的聚类算法？A. K-均值B. DBSCANC. 层次聚类D. 支持向量机答案：A, B, C14. 以下哪些是数据挖掘中的特征选择方法？A. 过滤方法B. 包装方法C. 嵌入方法D. 随机森林答案：A, B, C15. 在数据挖掘中，以下哪些是模型评估指标？A. 准确率B. 召回率C. F1分数D. 均方误差答案：A, B, C, D三、填空题（每题2分，共20分）16. 数据挖掘中的________是指通过分析数据来发现数据中未知的、有价值的信息和知识的过程。
Data Mining Take Home Exam学号: xxxx 姓名: xxx（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？(3)=26/160=0.1625]*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. （(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。
（3）同理可得：{e}的支持度为4/5=0.8，{b,d}的支持度为5/5=1，{b,d,e}的支持度为4/5=0.8。
（4）c[{b,d}→{e}]=5/4=1.25，c[{e}→{b,d}]=4/5=0.8。
3. （20分）以下是多元回归分析的部分R输出结果。
> ls1=lm(y~x1+x2)> anova(ls1)Df Sum Sq Mean Sq F value Pr(>F)x1 1 10021.2 10021.2 62.038 0.0001007 ***x2 1 4030.9 4030.9 24.954 0.0015735 **Residuals 7 1130.7 161.5> ls2<-lm(y~x2+x1)> anova(ls2)Df Sum Sq Mean Sq F value Pr(>F)x2 1 3363.4 3363.4 20.822 0.002595 **x1 1 10688.7 10688.7 66.170 8.193e-05 ***Residuals 7 1130.7 161.5（1）用F检验来检验以下假设(α = 0.05)H0: β1 = 0H a: β1≠ 0计算检验统计量；是否拒绝零假设，为什么？（2）用F检验来检验以下假设(α = 0.05)H0: β2 = 0H a: β2≠ 0计算检验统计量；是否拒绝零假设，为什么？（3）用F检验来检验以下假设(α = 0.05)H0: β1 = β2 = 0H a: β1和β2 并不都等于零计算检验统计量；是否拒绝零假设，为什么？解：（1）根据第一个输出结果F=62.083>F（2，7）=4.74，p<0.05，所以可以拒绝原假设，即得到不等于0。
数据仓库与数据挖掘学习要点及答案数据仓库与数据挖掘学习要点及答案数据仓库和数据挖掘是现代数据分析和决策支持系统中非常重要的组成部分。
数据仓库是一个用于集成、存储和管理企业中各种数据的系统，而数据挖掘则是从大量数据中发现隐藏模式和知识的过程。
本文将详细介绍数据仓库和数据挖掘的基本概念、原理和方法，并提供相应的答案。
一、数据仓库的学习要点及答案1. 数据仓库的定义和特点数据仓库是一个面向主题的、集成的、稳定的、非易失的、随时间变化的数据集合，用于支持管理决策。
其特点包括：面向主题，集成数据，稳定性，非易失性和随时间变化。
答案：数据仓库是一个用于集成、存储和管理企业中各种数据的系统。
它面向主题，即以某种特定的主题或业务问题为中心，集成多个数据源的数据，提供一致、全面的视图。
数据仓库是稳定的，即数据一旦进入数据仓库，就不会轻易被修改。
同时，数据仓库是非易失的，即数据一旦存入数据仓库，就不会被删除。
最后，数据仓库是随时间变化的，即数据仓库中的数据会随着时间的推移而不断更新和变化。
2. 数据仓库的架构和组成数据仓库的架构包括三层：数据源层、数据仓库层和应用层。
数据源层用于存储各种数据源，数据仓库层用于集成和存储数据，应用层用于数据分析和决策支持。
答案：数据仓库的架构包括三层。
数据源层是数据仓库的基础，用于存储各种数据源，如关系数据库、文件等。
数据仓库层是数据仓库的核心，用于集成和存储数据。
它包括数据清洗、数据集成、数据转换和数据加载等过程。
应用层是数据仓库的最上层，用于数据分析和决策支持。
在应用层中，可以使用各种数据挖掘技术和工具对数据进行分析和挖掘。
3. 数据仓库的建模方法数据仓库的建模方法包括维度建模和实体关系建模。
维度建模是以业务主题为中心，通过定义维度和事实表来描述数据仓库中的数据。
实体关系建模是通过实体和关系来描述数据仓库中的数据。
答案：数据仓库的建模方法有维度建模和实体关系建模。
维度建模是以业务主题为中心，通过定义维度和事实表来描述数据仓库中的数据。
数据挖掘习题及解答-完美版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）(7/8)^2}*8/20=26/160=0.1625(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。
（3）同理可得：{e}的支持度为4/5=0.8，{b,d}的支持度为5/5=1， {b,d,e}的支持度为4/5=0.8。
（4）c[{b,d}→{e}]=5/4=1.25，c[{e}→{b,d}]=4/5=0.8。
3. （20分）以下是多元回归分析的部分R输出结果。
> ls1=lm(y~x1+x2)> anova(ls1)Df Sum Sq Mean Sq F value Pr(>F)x1 1 10021.2 10021.2 62.038 0.0001007 ***x2 1 4030.9 4030.9 24.954 0.0015735 **Residuals 7 1130.7 161.5> ls2<-lm(y~x2+x1)> anova(ls2)Df Sum Sq Mean Sq F value Pr(>F)x2 1 3363.4 3363.4 20.822 0.002595 **x1 1 10688.7 10688.7 66.170 8.193e-05 ***Residuals 7 1130.7 161.5（1）用F 检验来检验以下假设 (α = 0.05)H0: β1 = 0H a: β1≠ 0计算检验统计量；是否拒绝零假设，为什么？（2）用F检验来检验以下假设 (α = 0.05)H0: β2 = 0H a: β2≠ 0计算检验统计量；是否拒绝零假设，为什么？（3）用F检验来检验以下假设 (α = 0.05)H0: β1 = β2 = 0H a: β1和β2 并不都等于零计算检验统计量；是否拒绝零假设，为什么？解：（1）根据第一个输出结果F=62.083>F（2，7）=4.74，p<0.05，所以可以拒绝原假设，即得到不等于0。
数据挖掘概念与技术（第三版）课后答案——第⼀章1.1 什么是数据挖掘？在你的回答中，强调以下问题：(a)它是⼜⼀种⼴告宣传吗？(b)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？(c)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。
(d)当把数据挖掘看做知识发现过程时，描述数据挖掘所涉及的步骤。
答：数据挖掘不是⼀种⼴告宣传，它是⼀个应⽤驱动的领域，数据挖掘吸纳了诸如统计学习、机器学习、模式识别、数据库和数据仓库、信息检索、可视化、算法、⾼性能计算和许多应⽤领域的⼤量技术。
它是从⼤量数据中挖掘有趣模式和知识的过程。
数据源：包括数据库、数据仓库、Web、其他信息存储库或动态的流⼊系统的数据等。
当其被看作知识发现过程时，其基本步骤主要有：1. 数据清理：清楚噪声和删除不⼀致数据；2. 数据集成：多种数据源可以组合在⼀起；3. 数据选择：从数据库中提取与分析任务相关的数据；4. 数据变换：通过汇总或者聚集操作，把数据变换和统⼀成适合挖掘的形式；5. 数据挖掘：使⽤智能⽅法或者数据挖掘算法提取数据模式；6. 模式评估：根据某种兴趣度量，识别代表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。
1.2 数据仓库与数据库有什么不同？它们有哪些相似之处？答：不同：数据仓库是多个异构数据源在单个站点以统⼀的模式组织的存储，以⽀持管理决策。
数据仓库技术包括数据清理、数据集成和联机分析处理(OLAP)。
数据库系统也称数据库管理系统，由⼀组内部相关的数据（称作数据库）和⼀组管理和存取数据的软件程序组成，是⾯向操作型的数据库，是组成数据仓库的源数据。
它⽤表组织数据，采⽤ER数据模型。
相似：它们都为数据挖掘提供了源数据，都是数据的组合。
数据挖掘试题及答案### 数据挖掘试题及答案#### 一、选择题1. 数据挖掘的最终目标是什么？- A. 数据清洗- B. 数据集成- C. 数据分析- D. 发现知识答案：D2. 以下哪个算法不属于聚类算法？- A. K-means- B. DBSCAN- C. Apriori- D. Hierarchical Clustering答案：C3. 在数据挖掘中，关联规则挖掘主要用于发现什么？ - A. 异常值- B. 频繁项集- C. 趋势- D. 聚类答案：B4. 决策树算法中的剪枝操作是为了解决什么问题？- A. 过拟合- B. 欠拟合- C. 数据不平衡- D. 特征选择答案：A5. 以下哪个是时间序列分析的常用方法？- A. 逻辑回归- B. 线性回归- C. ARIMA模型- D. 支持向量机答案：C#### 二、简答题1. 简述数据挖掘中的分类和聚类的区别。
答案：分类是监督学习过程，它使用标记的训练数据来预测数据的类别。
聚类是无监督学习过程，它将数据分组，使得同一组内的数据点相似度较高，不同组之间的数据点相似度较低。
2. 解释什么是异常检测，并给出一个实际应用的例子。
答案：异常检测是一种识别数据集中异常或不寻常模式的方法。
它通常用于识别欺诈行为、网络安全问题或机械故障。
例如，在信用卡交易中，异常检测可以用来识别潜在的欺诈行为。
3. 描述决策树的工作原理。
答案：决策树通过一系列的问题（通常是二元问题）来对数据进行分类。
从根节点开始，数据被分割成不同的子集，然后每个子集继续被分割，直到达到叶节点，叶节点代表最终的分类结果。
#### 三、应用题1. 给定一组客户数据，包括年龄、收入和购买历史。
使用数据挖掘技术来识别哪些客户更有可能购买新产品。
答案：可以使用决策树或逻辑回归等分类算法来分析客户数据，识别影响购买行为的关键特征。
通过训练模型，可以预测哪些客户更有可能购买新产品。
2. 描述如何使用关联规则挖掘来发现超市中商品的购买模式。
