[数据挖掘原理与实践]-蒋盛益-习题及参考答案

17/43
2018/11/20
1.3.1 数据挖掘任务 (4)
(5) 回归(Regression )分析

回归分析是确定两种或两种以上变数间相互依赖的定量关系的一种分 析方法。其可应用于风险分析、作文自动评分等领域。
(6) 序列模式(Sequential Pattern)挖掘

序列模式挖掘是指分析数据间的前后序列关系，包括相似模式发现、 周期模式发现等。其应用领域包括客户购买行为模式预测、Web访问 模式预测、疾病诊断、网络入侵检测等。
5/43
2018/11/20
客户流失分析

在激烈竞争的市场，往往采取名目繁多的促销活动和层 出不穷的广告宣传来吸引新客户、留住老客户； 研究发现：发展一个新客户比保持一个老客户的费用要 高出5倍以上。 客户流失分析是以客户的历史消费行为数据、客户的基 础信息、客户拥有的产品信息为基础，通过研究综合考 虑流失的特点和与之相关的多种因素，以此建立可以在 一定时间范围内预测客户流失倾向的预测模型，以便对 流失进行预测、并对流失的后果进行评估
挖掘 。
15/43
2018/11/20
1.3.1 数据挖掘任务 (2)
(1) 聚类(Clustering)分析

“物以类聚，人以群分”。聚类分析技术试图找出数据集中的共性和 差异，并将具有共性的对象聚合在相应的类中。聚类可以帮助决定哪 些组合更有意义，广泛应用于客户细分、定向营销、信息检索等等。
(2) 分类(Classification)分析

பைடு நூலகம்
6/43
2018/11/20
智能搜索

Web信息检索，即搜索引擎，是能有效解决通过网络来快 速在用户输入关键词进行查询后 ，返回的是成千上万的相关结果，往往需要用户花费大量 时间浏览与选择，不能满足用户快速获取信息的愿望。因 此大量学者以及研究人员开始研究行业化、个性化、智能 化的第三代搜索引擎。

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。

数据挖掘考试题目——关联分析一、10个选择1.以下属于关联分析的是（）A．CPU性能预测B．购物篮分析C．自动判断鸢尾花类别D．股票趋势建模2.维克托▪迈尔-舍恩伯格在《大数据时代：生活、工作与思维的大变革》一书中，持续强调了一个观点：大数据时代的到来，使我们无法人为地去发现数据中的奥妙，与此同时，我们更应该注重数据中的相关关系，而不是因果关系。

其中，数据之间的相关关系可以通过以下哪个算法直接挖掘（）A．K-means B．Bayes NetworkC．C4.5 D．Apriori3.置信度(confidence)是衡量兴趣度度量（）的指标。

A．简洁性B．确定性C．实用性D．新颖性4.Apriori算法的加速过程依赖于以下哪个策略（）A．抽样B．剪枝C．缓冲D．并行5.以下哪个会降低Apriori算法的挖掘效率（）A．支持度阈值增大B．项数减少C．事务数减少D．减小硬盘读写速率6.Apriori算法使用到以下哪些东东（）A．格结构、有向无环图B．二叉树、哈希树C．格结构、哈希树D．多叉树、有向无环图7.非频繁模式（）A．其置信度小于阈值B．令人不感兴趣C．包含负模式和负相关模式D．对异常数据项敏感8.对频繁项集、频繁闭项集、极大频繁项集的关系描述正确的是（）[注：分别以1、2、3代表之]A．3可以还原出无损的1 B．2可以还原出无损的1C．3与2是完全等价的D．2与1是完全等价的9.Hash tree在Apriori算法中所起的作用是（）A．存储数据B．查找C．加速查找D．剪枝10.以下不属于数据挖掘软件的是（）A．SPSS Modeler B．WekaC．Apache Spark D．Knime二、10个填空1.关联分析中表示关联关系的方法主要有：和。

2.关联规则的评价度量主要有：和。

3.关联规则挖掘的算法主要有：和。

4.购物篮分析中，数据是以的形式呈现。

5.一个项集满足最小支持度，我们称之为。

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。