下载文档原格式
1、数据仓库就是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合。
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，它为访问数据仓库提供了一个信息目录，根据数据用途的不同可将数据仓库的元数据分为技术元数据和业务元数据两类。
3、数据处理通常分成两大类：联机事务处理和联机分析处理。
4、多维分析是指以“维”形式组织起来的数据（多维数据集）采取切片、切块、钻取和旋转等各种分析动作，以求剖析数据，使拥护能从不同角度、不同侧面观察数据仓库中的数据，从而深入理解多维数据集中的信息。
5、ROLAP是基于关系数据库的OLAP实现，而MOLAP是基于多维数据结构组织的OLAP实现。
6、数据仓库按照其开发过程，其关键环节包括数据抽取、数据存储于管理和数据表现等。
7、数据仓库系统的体系结构根据应用需求的不同，可以分为以下4种类型：两层架构、独立型数据集合、以来型数据结合和操作型数据存储和逻辑型数据集中和实时数据仓库。
8、操作型数据存储实际上是一个集成的、面向主题的、可更新的、当前值的（但是可“挥发”的）、企业级的、详细的数据库，也叫运营数据存储。
9、“实时数据仓库”以为着源数据系统、决策支持服务和仓库仓库之间以一个接近实时的速度交换数据和业务规则。
10、从应用的角度看，数据仓库的发展演变可以归纳为5个阶段：以报表为主、以分析为主、以预测模型为主、以运营导向为主和以实时数据仓库和自动决策为主。
1、调和数据是存储在企业级数据仓库和操作型数据存储中的数据。
2、抽取、转换、加载过程的目的是为决策支持应用提供一个单一的、权威数据源。
因此，我们要求ETL过程产生的数据（即调和数据层）是详细的、历史的、规范的、可理解的、即时的和质量可控制的。
3、数据抽取的两个常见类型是静态抽取和增量抽取。
静态抽取用于最初填充数据仓库，增量抽取用于进行数据仓库的维护。
4、粒度是对数据仓库中数据的综合程度高低的一个衡量。
粒度越小，细节程度越高，综合程度越低，回答查询的种类越多。
数据仓库与数据挖掘_青岛大学中国大学mooc课后章节答案期末考试题库2023年1.非频繁项集的超集有可能是频繁的。
参考答案:错误2.决策树中不包含以下哪种节点。
参考答案:外部节点（external node）3.数据集成是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（如数据仓库）中。
数据源可能涉及多个数据库、数据立方体或一般文件。
参考答案:正确4.数据取样时，除了要求抽样时严把质量关外，还要求抽样数据必须在足够范围内有代表性。
参考答案:正确5.若属性income的平均值和标准差分别为32000元和17000元，则使用z-score规范化后，65600元被转换为：参考答案:1.9766.朴素贝叶斯算法能够解决特征之间有相关性的问题。
参考答案:错误7.OLAP技术的核心是：参考答案:多维分析8.假定某属性的最小与最大值分别为8000元和14000元。
要将其映射到区间[0.0,1.0]，按照最小-最大规范化方法对属性进行变换，属性值12600将变换为：参考答案:0.7679.后验概率P(H|X)表示条件X下H的概率。
参考答案:正确10.只要有两个频繁3项集，就一定能够生成一个候选4项集。
参考答案:错误11.先验概率是根据历史资料或主观估计的方法得到的概率。
参考答案:正确12.公司里面男性有60人，女性有40人，男性穿皮鞋的人数有25人，穿运动鞋的人数有35人，女性穿皮鞋的人数有10人，穿高跟鞋的人数有30人。
现在你只知道有一个人穿了皮鞋，推测他是男性的概率为：参考答案:0.71413.数据归约是用来得到数据集的归约表示，它比源数据集小得多，但仍接近于保持源数据的完整性。
参考答案:正确14.数据分类由两步过程组成：第一步，建立一个分类模型，描述指定的数据类集或概念集；第二步，使用模型进行分类。
参考答案:正确15.假设吸烟的本科生比例为15%，而吸烟的研究生占23%。
如果五分之一的大学生是研究生，其余的是本科生，那么吸烟的学生是研究生的概率是多少？参考答案:0.27716.决策树构建之后，为了避免过度拟合，需要对树进行剪枝。
第一章1、数据仓库就是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合。
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，它为访问数据仓库提供了一个信息目录，根据数据用途的不同可将数据仓库的元数据分为技术元数据和业务元数据两类。
3、数据处理通常分成两大类：联机事务处理和联机分析处理。
4、多维分析是指以“维”形式组织起来的数据（多维数据集）采取切片、切块、钻取和旋转等各种分析动作，以求剖析数据，使拥护能从不同角度、不同侧面观察数据仓库中的数据，从而深入理解多维数据集中的信息。
5、ROLAP是基于关系数据库的OLAP实现，而MOLAP是基于多维数据结构组织的OLAP实现。
6、数据仓库按照其开发过程，其关键环节包括数据抽取、数据存储于管理和数据表现等。
7、数据仓库系统的体系结构根据应用需求的不同，可以分为以下4种类型：两层架构、独立型数据集合、以来型数据结合和操作型数据存储和逻辑型数据集中和实时数据仓库。
8、操作型数据存储实际上是一个集成的、面向主题的、可更新的、当前值的（但是可“挥发”的）、企业级的、详细的数据库，也叫运营数据存储。
9、“实时数据仓库”以为着源数据系统、决策支持服务和仓库仓库之间以一个接近实时的速度交换数据和业务规则。
10、从应用的角度看，数据仓库的发展演变可以归纳为5个阶段：以报表为主、以分析为主、以预测模型为主、以运营导向为主和以实时数据仓库和自动决策为主。
第二章1、调和数据是存储在企业级数据仓库和操作型数据存储中的数据。
2、抽取、转换、加载过程的目的是为决策支持应用提供一个单一的、权威数据源。
因此，我们要求ETL过程产生的数据（即调和数据层）是详细的、历史的、规范的、可理解的、即时的和质量可控制的。
3、数据抽取的两个常见类型是静态抽取和增量抽取。
静态抽取用于最初填充数据仓库，增量抽取用于进行数据仓库的维护。
4、粒度是对数据仓库中数据的综合程度高低的一个衡量。
粒度越小，细节程度越高，综合程度越低，回答查询的种类越多。
![(完整版)数据挖掘_概念和技术[第三版]部分习题答案解析](https://img.taocdn.com/s1/m/89e3bb26240c844768eaee79.png)
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。
第一章作业1．数据库与数据仓库的本质差别是什么？书P2（1）数据库用于事务处理，数据仓库用于决策分析。
（2）数据库保持事物处理的当前状态，数据仓库即保存过去的数据又保存当前的数据。
（3）数据仓库的数据是大量数据库的集成。
（4）对数据库的操作比较明确，操作数量较小。
对数据仓库操作不明确，操作数据量大。
2．从数据库发展到数据仓库的原因是什么？书P1（1）数据库数据太多，信息贫乏。
如何将大量的数据转化为辅助决策信息成为了研究热点。
（2）异构环境数据的转换和共享。
随着各类数据库产品的增加，异构环境的数据也逐渐增加，如何实现这些异构环境数据的转换的共享也成了研究热点。
（3）利用数据进行事物处理转变为利用数据支持决策。
3．举例说明数据库与数据仓库的不同。
比如，银行中储蓄业务要建立储蓄数据库，信用卡要建立信用卡数据库，贷款业务要建立贷款数据库，这些数据库方便了银行的事务处理。
但是要对这些独立数据库进行决策分析就很复杂了。
因此可以把这些数据库中的数据存储转化到数据仓库中，方便进行决策。
4.OLTP(On Line Transaction Processing,联机事物处理)是在网络环境下的事务处理工作，以快速的响应和频繁的数据修改为特征，使用户利用数据库能够快速地处理具体的业务。
OLAP（On Line Analytical Processing，联机分析处理）是使用多维数据库和多维分析的方法，对多个关系数据库共同进行大量的综合计算来得到结果的方法。
5.OLTP是用户的数据可以立即传送到计算中心进行处理，并在很短的时间内给出处理结果。
6.OLTP OLAP细节性数据综合性数据当前数据历史数据经常更新不更新，但周期性刷新一次性处理的数据量小一次处理的数据量大对响应时间要求高响应时间合理面向应用，事务驱动面向分析，分析驱动7．包括数据项、数据结构、数据流、数据存储和处理过程五个部分。
8．定义为关于数据的数据，描述数据仓库中数据及其环境的数据。
第一章1、数据仓库就是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合。
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，它为访问数据仓库提供了一个信息目录，根据数据用途的不同可将数据仓库的元数据分为技术元数据和业务元数据两类。
3、数据处理通常分成两大类：联机事务处理和联机分析处理。
4、多维分析是指以“维”形式组织起来的数据（多维数据集）采取切片、切块、钻取和旋转等各种分析动作，以求剖析数据，使拥护能从不同角度、不同侧面观察数据仓库中的数据，从而深入理解多维数据集中的信息。
5、ROLAP是基于关系数据库的OLAP实现，而MOLAP是基于多维数据结构组织的OLAP实现。
6、数据仓库按照其开发过程，其关键环节包括数据抽取、数据存储于管理和数据表现等。
7、数据仓库系统的体系结构根据应用需求的不同，可以分为以下4种类型：两层架构、独立型数据集合、以来型数据结合和操作型数据存储和逻辑型数据集中和实时数据仓库。
8、操作型数据存储实际上是一个集成的、面向主题的、可更新的、当前值的（但是可“挥发”的）、企业级的、详细的数据库，也叫运营数据存储。
9、“实时数据仓库”以为着源数据系统、决策支持服务和仓库仓库之间以一个接近实时的速度交换数据和业务规则。
10、从应用的角度看，数据仓库的发展演变可以归纳为5个阶段：以报表为主、以分析为主、以预测模型为主、以运营导向为主和以实时数据仓库和自动决策为主。
第二章1、调和数据是存储在企业级数据仓库和操作型数据存储中的数据。
2、抽取、转换、加载过程的目的是为决策支持应用提供一个单一的、权威数据源。
因此，我们要求ETL过程产生的数据（即调和数据层）是详细的、历史的、规范的、可理解的、即时的和质量可控制的。
3、数据抽取的两个常见类型是静态抽取和增量抽取。
静态抽取用于最初填充数据仓库，增量抽取用于进行数据仓库的维护。
4、粒度是对数据仓库中数据的综合程度高低的一个衡量。
粒度越小，细节程度越高，综合程度越低，回答查询的种类越多。
数据仓库习题答案第⼀章1.为什么不能依靠传统的业务处理系统进⾏决策分析？(P1-3)2.在将数据源中的数据加载到数据仓库之前需要完成那些⼯作？为什么要进⾏这些⼯作？(数据准备P13-14 另外加“抽取”)3.（选做）如果创建⼀个数据仓库，主要是分析关于客户的⼈⼝统计（收⼊、家庭⼈⼝、家庭位置、爱好等）。
数据仓库的⽬的在于将特定的产品推销给合适的潜在客户群。
这个数据仓库应该从哪些地⽅获取数据源，数据仓库的体系结构应该包含哪些部分。
（P12，8）4.从数据挖掘与数据库、统计学、机器学习的关系来讨论什么是数据挖掘?5.在数据挖掘过程中需要涉及到哪些过程？(P31-35)（1）. 确定挖掘对象清晰地定义出业务问题,认清数据挖掘的⽬的是数据挖掘的重要⼀步.（2）数据准备1) 数据的选择：选择出适⽤于数据挖掘应⽤的数据.2) 数据的预处理：研究数据的质量, 并确定将要进⾏的挖掘操作的类型.、（3) 模型的构建：建⽴⼀个分析模型.这个分析模型是针对挖掘算法建⽴的。
（4）数据挖掘：对所得到的经过转换的数据进⾏挖掘.（5）结果分析：解释并评估结果.其使⽤的分析⽅法⼀般应作数据挖掘操作⽽定,通常会⽤到可视化技术.（6）知识的应⽤：将分析所得到的知识集成到业务信息系统的组织结构中去,使其在实际的管理决策分析中得到应⽤6.在现实中有哪些⼈需要使⽤数据挖掘技术来帮助他的⼯作? (P35)第⼆章名词解释；维：关于⼀个组织想要记录的透视或实体。
维表：对维各个属性的描述。
事实：数值的度量。
事实表: 包括事实的名称或度量，以及每个相关维表的关键字。
元数据: 数据的数据,可以对数据仓库中的各种数据进⾏详细的描述与说明,说明每个数据的上下关系,使每个数据具有符合现实的真实含义,使⽤户可以了解这些数据之间的关系.粒度:数据仓库中数据单元的详细程度和级别.星型模型: 最常⽤的数据仓库设计结构的实现模式。
使数据仓库形成了⼀个集成系统，为⽤户提供分析服务对象。
数据仓库与数据挖掘_青岛大学中国大学mooc课后章节答案期末考试题库2023年1.假设数据挖掘的任务是将如下8个点（用（x，y）代表位置）聚类为3个簇：A1(2,10),A2(2,5),A3(8,4),B1(5,8),B2(7,5),B3(6,4),C1(1,2),C2(4,9)距离函数是欧式距离。
假设初始选择A1，B1和C1分别为每个聚类的中心，用K-平均算法来给出在第一次循环执行后的三个聚类中心:答案:(2,10),(6,6),(1.5,3.5)2.设训练样本集包含{ID，收入（万元），婚否，爱旅游}四个特征，8条记录如表所示，采用C4.5算法进行连续属性划分，请问“收入”属性具有几种划分可能？ID 收入婚否爱旅游1 2.5 否否2 12 否是3 3 否否4 3.2 是是5 4 否否6 4.8 否否7 6.8 是是8 9.8 否是答案:73.设训练样本集包含{ID，收入（万元），婚否，爱旅游}四个特征，8条记录如表所示，采用C4.5算法进行连续属性划分，对于“收入”属性的划分“2.75”，计算其信息增益率：ID 收入婚否爱旅游1 2.5 否否2 12 否是3 3 否否4 3.2 是是5 4 否否6 4.8 否否7 6.8 是是8 9.8 否是答案:0.2554.在下表中给定的样本上进行合并（凝聚）层次聚类，初始簇{1}，{2}，{3}，{4}，{5}，{6}，{7}，{8}.假定算法的终止条件为3个簇，则此3个簇为：序号属性1属性2序号属性1属性21 2 10 5 7 52 2 5 6 6 43 84 7 1 24 5 8 8 4 9答案:最后3个簇为：{2，7}，{1，4，8}，{3，5，6}5.简单的将数据对象集划分成不重叠的子集，使得每个数据对象恰在一个子集中，这种聚类类型称作答案:划分聚类6. 1. 数据库有5个事物，设min_sup=60%，min_conf=80%。
TID 购买的商品I100 {M,O,N,K,E,Y}I200 {D,O,N,K,E,Y}I300 {M,A,K,E}I400 {M,U,C,K,Y}I500 {C,O,O,K,I,E}使用Apriori算法找出所有频繁项集包括：答案:频繁2项集：{M,K},{O,K},{O,E},{K,E},{K,Y}频繁3项集：{O,K,E}频繁1项集：{M}，{O}，{K}，{E}，{Y}7.数据库有5个事物，设min_sup=60%，min_conf=80%。
数据仓库与数据挖掘_北京理工大学中国大学mooc课后章节答案期末考试题库2023年1.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：（）参考答案:0.7162.数据的可视化是将数据以各种图表的形式展现在用户的面前，使用户能观察数据，并在较高的层次上找出数据间可能的关系。
参考答案:正确3.数据挖掘和可视化都是知识提取的方式。
参考答案:正确4.面向应用场景的可视化交互式数据挖掘方法是以数据挖掘算法和模型为主，并不针对具体应用场景或数据类型参考答案:错误5.将原始数据进行集成、变换、维度规约、数值规约是以下哪个步骤的任务？（）参考答案:数据预处理6.数据仓库的数据ETL过程中，ETL软件的主要功能包括（）参考答案:数据抽取_数据加载_数据转换7.数据挖掘的主要任务是从数据中发现潜在规则，从而能更好的完成描述数据、预测数据的任务。
参考答案:正确8.传统数据仓库包括数据仓库数据库、数据抽取/转换/加载、元数据、访问工具、数据集市、和信息发布系统七个部分组成。
参考答案:数据仓库管理9.关联规则挖掘过程是发现满足最小支持度的所有项集代表的规则。
参考答案:错误10.假定你现在训练了一个线性SVM并推断出这个模型出现了欠拟合现象。
在下一次训练时，应该采取下列什么措施？（）参考答案:增加特征11.下面哪一项关于CART的说法是错误的（）参考答案:CART输出变量只能是离散型。
12.以下哪种方法不是常用的数据约减方法（）参考答案:关联规则挖掘13.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？ ()参考答案:第二个14.下表是一个购物篮，假定支持度阈值为40%，其中（）是频繁闭项集。
