原《数据挖掘》习题
- 格式：doc
- 大小：290.00 KB
- 文档页数：20
ch11.讨论下列每项活动是否是数据挖掘任务：（fgh是）(a) 根据性别划分公司的顾客。
(b) 根据可赢利性划分公司的顾客。
(c) 计算公司的总销售额。
(d) 按学生的标识号对学生数据库排序。
(e) 预测掷一对骰子的结果。
(f) 使用历史记录预测某公司未来的股票价格。
(g) 监视病人心率的异常变化。
(h) 监视地震活动的地震波。
(i) 提取声波的频率。
2. （ch1）数据挖掘可以在很多数据源上进行，如关系数据库，空间数据库，多媒体数据库，文本数据库等。
3. (ch1)数据挖掘一定可以得到有趣的强关联规则。
4. （ch1）为了提高挖掘质量，通常要进行数据预处理，包括数据清理、集成、选择、变换等。
5. (ch5){发烧，上呼吸道感染}是（2）项集6.企业要建立预测模型，需准备建模数据集，以下四条描述建模数据集正确的是( B )。
A 数据越多越好B 尽可能多的适合的数据C数据越少越好D 以上三条都正确7. 数据挖掘算法以( D )形式来组织数据。
A 行 B列 C 记录 D 表格Ch28. （ch2）假定用于分析的数据包含属性age。
数据元组中age的值如下（按递增序）：13，15，16，16，19，20，20，21，22，22，25，25，25，25，30，33，33，35，35，35，35，36，40，45，46，52，70，求：1）使用按箱平均值平滑对以上数据进行平滑，箱的深度是3。
解释你的步骤。
2）使用按箱边界值平滑对以上数据进行平滑，箱的深度是3。
解释你的步骤。
7、P98 3.4（ch3）假定大学的数据仓库包含4个维{student学生、course课程、semester学期、instructor教师}，2个度量count和avg_grade。
在最低的概念层（例如对于给定的学生、课程、学期和教师组合），度量avg_grade存放学生的实际成绩。
为数据仓库画出雪花模式图8、P98 3.5（ch3）假定数据仓库包含4个维date,spectator,location和game，2个度量count和charge。
其中，change是观众在给定的日期观看节目的付费。
观众可以是学生、成年人或老人，每类观众有不同的收费标准。
画出该数据仓库的星形模式图10、（ch5）数据库有4个事物。
设min_sup=60%,min_conf=80%a)使用Apriori算法找出最大得频繁项集b)列出所有强关联规则（带支持度s和置信度c）11.（参P229）假定希望分析爱喝咖啡和爱喝茶得人之间得关系。
收集一组人关于饮料偏爱的信息，汇总如下：若支持度和置信度阈值分别为10%，50%，评估关联规则{茶}——>{咖啡}。
（负相关）12.（ch5,参P224 ）有如下事务数据集。
试挖掘频繁项集。
(最小支持度为2)结果：13.（ch5,参P256,17）假定有一个购物篮数据集，包含100个事务和20个项。
如果项a的支持度为25%，项b得支持度为90%,且项集{ab}得支持度为20%。
令最小支持度阈值和最小置信度阈值分别为10%和60%。
1）计算关联{a}——>{b}的置信度。
根据置信度度量，这条规则是有趣的么？（这条规则是否是强关联规则？）(80%,是)2）{a}——>{b}是否有趣？（负相关，无趣）11. 求出下表的强关联规则（ch5）12、（ch6）下表给出某门课程若干学生期中和期末考试成绩期中72 50 81 74 94 86 59 83 65 33 88 81期末84 63 77 78 90 75 49 79 77 52 74 90绘数据图。
X和Y看上去具有线性联系吗？13. （ch6）下表是对是否购买计算机的调查表，请根据ID3算法画出是否购买计算机的决策树。
14.预测拖欠银行贷款的贷款者（参P94）一客户信息如下：X=（有房=否，婚姻状况=已婚，年收入=120K）用贝叶斯分类法，预测记录的拖欠贷款类别。
（否）原数据集合修正为：年收入 可能的分裂点 熵 60 65 0.82647 70 72.5 0.76355 75 80 0.68966 85 87.5 0.87549 90 92.5 0.84644 95 97.5 0.5 100 110 0.68966 120 122.5 0.76355 125 172.5 0.82647220P(是)=0.3 p(否)=0.7)()(|()|(X p p X p X p 是是）是=)()(|()|(X p p X p X p 否否）否=0*0*%100|120|(|()|(======是）（年收入是）已婚婚姻状况是）否有房是p p p X p%66.187/4*7/4*7/4|120|(|()|(======否）（年收入否）已婚婚姻状况否）否有房是p p p X p所以，他可能不拖欠贷款 最佳分裂点：97.515.(CH6，参P122)考虑如下二元分类问题的训练样本：1)计算整个训练样本集得GINI指标（0.5）2）计算属性顾客ID的GINI指标（0）3）计算属性性别的GINI指标（0.5）4）那个属性更好？性别、车型还是衬衣尺码？（车型，因为其GINI指标最低）16. (CH6，参P122)考虑如下二元分类问题的训练样本：1) 整个训练样本集关于类属性得熵是多少？（0.9911）2）关于这些训练样本，a1和a2的信息增益是多少？（0.2294，0.0072）3）对于连续属性a3，计算所有可能的划分的信息增益2.0是最佳分裂点。
4）根据信息增益，那个是最佳划分？（在a1,a2,a3中）（a1）5）根据GINI指标，那个是最佳划分？（在a1,a2,a3中）（a1）17.考虑如下二元分类问题得数据集(CH6，参P123)1)计算按照属性A、B划分时得信息增益。
决策树归纳算法将会选择那个属性？（GA=0.2813.GB=0.2565 A）2）计算按照属性A、B划分时的GINI指标。
决策树归纳算法将会选择那个属性？(不纯度降低：0.1371,0.1633, (B) 18.已知下表：(CH6，参P124)试建立一颗两层的决策树１9. （CH6，参，Ｐ１３９）贝叶斯分类考虑两队之间的足球比赛：对０和１.假设６５％的比赛队０胜出，剩余得比赛队１获胜。
队０获胜得比赛中只有３０％是在队１的主场，而对１取胜的比赛中７５％是主场获胜。
如果下一场比赛在队１的主场进行，哪一支球队最有可能胜出呢？（队１）x：东道主（0，1）y：胜利者（0，1）队0取胜得概率：p(y=0)=0.65 队1取胜得概率：p(y=1)=0.35对１取胜的比赛中７５％是主场获胜：队1获胜时作为东道主的概率：p(x=1|y=1)=0.75队０获胜得比赛中只有３０％是在队１的主场：即队0取胜时队1作为东道主得概率： P(x=1|y=0)=0.3比较P(y=1|x=1)和P(y=0|x=1))1(2625.0)1(35.075.0)1()1()1|1()1|1(===⨯========x p x p x p y p y x p x y p )1(195.0)1(65.03.0)1()0()0|1()1|0(===⨯========x p x p x p y p y x p x y pP(y=1|x=1)>P(y=0|x=1) 所以，队1可能取胜。
20.（ch6，参P195，8） 考虑下列数据集：1)估计条件概率P(A=1|+), P(B=1|+), P(C=1|+), P(A=1|-), P(B=1|-), P(C=1|-)(0.6，0.4，0.8，0.4，0.4，0.2)2)根据1）中的条件概率，使用朴素贝叶斯分类方法预测测试样本（A=1,B=1,C=1）得类标号。
（+）3）比较P(A=1),P(B=1)和P(A=1,B=1),陈述AB之间的关系。
（独立）14、（ch7）假设数据集D含有9个数据对象（用2维空间的点表示）：A1(3,2), A2(3,9), A3(8,6), B1(9,5), B2(2,4), B3(3,10), C1(2,6), C2(9,6), C3(2,2)采用k-均值方法进行聚类，距离函数采用欧几里德距离，取k=3，假设初始的三个簇质心为A1,B1,和C1，求：（1）第一次循环结束时的三个簇的质心。
（2）最后求得的三个簇。
A2 A3 B2 B3 C2 C3 A1 √49 √41 √5 √64 √52 √1B1 √52 √2 √50 √74 √1 √58C1 √10 √36 √4 √17 √49 √16第一次循环结束时：(A1,C3)质心为（2.5，2）或（3，2）（B1,A3,C2）,质心为：(8.7,5.7)或（9，6）（C1,A2,B2,B3）, 质心为：（2.7，8.3）或（3，8）平方误差E=28第二次循环A1 A2 A3 B1 B2 B3 C1 C2 C33,2 0 √49 √41 √45 √5√64 √17 √52 19,6 √52√45 1 1√53√65 √49 0 √653,7 √25√25 √26 √40√10√9 √2 √37 √26第二次循环结束时：(A1,B2,C3)质心为（2.3，2.7）或（2，3）（A3,B1, C2）,质心为：(8.7,5.7)或（9，6）（A2, B3 ,C1）, 质心为：（2.5，7.25）或（3，7）平方误差E=21第三次循环A1 A2 A3 B1 B2 B3 C1 C2 C32,3 √2 √37 √45 √53 √1√50 √9 √58 19,6 √52√45 1 1√53√65 √49 0 √653,7 √25√4 √26 √40√10√9 √2 √37 √37第三次循环结束时：(A1,B2,C3)质心为（2.3，2.7）或（2，3）不变（A3,B1, C2）,质心为：(8.7,5.7)或（9，6）不变（A2, B3 ,C1）, 质心为：（2.5，7.25）或（3，7）不变平方误差E=21不变15. （ch7）已知四个点的坐标如下：其欧几里德距离矩阵：试进行单链、全链聚类，并画出树形图。
答案：单链：P2,p3——P2,P3,P4——p2,p2,p4,p1全链：第一步同单链P2,p3——P2,P3,P4——p2,p2,p4,p1或：P2,p3——P2,P3,P1——p2,p2,p1,p416.请将下列属性分类：（ch7）1)用AM和PM表示的时间（序数变量）2）按度测出得0和360之间的角度（区间标度变量）3）奥运会上授予得铜牌、银牌和金牌（序数）4）学生的性别（二元）5）用如下值表示得透光能力：不透明、半透明、透明（序数）6）外套寄存号码（当你出席一个活动时，你常常可以将你的外套交给某个人，然后他给你一个号码，你可以在离开时来取）（名义）17.计算下表表示的混淆矩阵得熵和纯度18.已知四个点的相异度矩阵：试进行单链、全链聚类，并画出树形图。
