搜索
一、选择填空.数据仓库的特点分别是面向主题、集成、相对稳定、反映历史变化。、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。维度可以根据其变化快慢分为元变化维度、缓慢变化维度和剧烈变化维度三类。连续型属性的数据样本之间的距离有欧氏距离、曼哈顿距离和明考斯基距离。在数据挖掘的分析方法中，直接数据挖掘包括（ＡＣＤ）A分类B关联C估值D预言数据仓库的数据ETL过程中，ETL软件的主要功能包括（ＡＢＣ）A数据抽取B数据转换C数据加载D数据稽核数据分类的评价准则包括（ABCD）A精确度B查全率和查准率CF-MeasureD几何均值层次聚类方法包括（BC）A划分聚类方法B凝聚型层次聚类方法C分解型层次聚类方法D基于密度聚类方法贝叶斯网络由两部分组成，分别是（AD）A网络结构B先验概率C后验概率D条件概率表置信度(confidence)是衡量兴趣度度量（A）的指标。A、简洁性B、确定性C.、实用性D、新颖性关于OLAP和OLTP的区别描述,不正确的是:(C)A.OLAP主要是关于如何理解聚集的大量不同的数据.它与OTAP应用程序不同.B.与OLAP应用程序不同,OLTP应用程序包含大量相对简单的事务.C.OLAP的特点在于事务量大,但事务内容比较简单且重复率高.D.OLAP是以数据仓库为基础的,但其最终数据来源与OLTP一样均来自底层的数据库系统,两者面对的用户是相同的简单地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（B）A、层次聚类B、划分聚类C、非互斥聚类D、模糊聚类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6.在数据挖掘的分析方法中，直接数据挖掘包括（ＡＣＤ）A分类B关联C估值D预言7.数据仓库的数据ETL过程中，ETL软件的主要功能包括（ＡＢＣ）A数据抽取B数据转换C数据加载D数据稽核8.数据分类的评价准则包括（ABCD）A精确度B查全率和查准率CF-MeasureD几何均值9.层次聚类方法包括（BC）A划分聚类方法B凝聚型层次聚类方法C分解型层次聚类方法D基于密度聚类方法10.贝叶斯网络由两部分组成，分别是（AD）A网络结构B先验概率C后验概率D条件概率表二、判断题1.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。(对)2.数据挖掘的目标不在于数据采集策略，而在于对于已经存在的数据进行模式的发掘。（对）3.图挖掘技术在社会网络分析中扮演了重要的角色。（对）4.模式为对数据集的全局性总结，它对整个测量空间的每一点做出描述；模型则对变量变化空间的一个有限区域做出描述。（错）5.寻找模式和规则主要是对数据进行干扰，使其符合某种规则以及模式。（错）6.离群点可以是合法的数据对象或者值。（对）7.离散属性总是具有有限个值。（错）8.噪声和伪像是数据错误这一相同表述的两种叫法。（错）9.用于分类的离散化方法之间的根本区别在于是否使用类信息。（对）10.特征提取技术并不依赖于特定的领域。（错）11.序列数据没有时间戳。（对）12.定量属性可以是整数值或者是连续值。（对）13.可视化技术对于分析的数据类型通常不是专用性的。（错）14.DSS主要是基于数据仓库.联机数据分析和数据挖掘技术的应用。（对）15.OLAP技术侧重于把数据库中的数据进行分析、转换成辅助决策信息，是继数据库技术发展之后迅猛发展起来的一种新技术。（对）16.商业智能系统与一般交易系统之间在系统设计上的主要区别在于：后者把结构强加于商务之上，一旦系统设计完毕，其程序和规则不会轻易改变；而前者则是一个学习型系统，能自动适应商务不断变化的要求。（对）17.数据仓库中间层OLAP服务器只能采用关系型OLAP（错）18．数据仓库系统的组成部分包括数据仓库，仓库管理，数据抽取，分析工具等四个部分.(错)19.Web数据挖掘是通过数据库仲的一些属性来预测另一个属性,它在验证用户提出的假设过程中提取信息.（错）21.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。（错）22.利用先验原理可以帮助减少频繁项集产生时需要探查的候选项个数（对）。23.先验原理可以表述为：如果一个项集是频繁的，那包含它的所有项集也是频繁的。（错24.如果规则不满足置信度阈值，则形如的规则一定也不满足置信度阈值，其中是X的子集。（对）25.具有较高的支持度的项集具有较高的置信度。（错）26.聚类（clustering）是这样的过程：它找出描述并区分数据类或概念的模型(或函数)，以便能够使用模型预测类标记未知的对象类。（错）27.分类和回归都可用于预测，分类的输出是离散的类别值，而回归的输出是连续数值。(对)28.对于SVM分类算法，待分样本集中的大部分样本不是支持向量，移去或者减少这些样本对分类结果没有影响。（对）29.Bayes法是一种在已知后验概率与类条件概率的情况下的模式分类方法，待分样本的分类结果取决于各类域中样本的全体。(错)30.分类模型的误差大致分为两种：训练误差（trainingerror）和泛化误差（generalizationerror）.(对)31.在决策树中，随着树中结点数变得太大，即使模型的训练误差还在继续减低，但是检验误差开始增大，这是出现了模型拟合不足的问题。（错）32.SVM是这样一个分类器，他寻找具有最小边缘的超平面，因此它也经常被称为最小边缘分类器（minimalmarginclassifier）(错)33.在聚类分析当中，簇内的相似性越大，簇间的差别越大，聚类的效果就越差。（错）34.聚类分析可以看作是一种非监督的分类。（对）35.K均值是一种产生划分聚类的基于密度的聚类算法，簇的个数由算法自动地确定。（错36.给定由两次运行K均值产生的两个不同的簇集，误差的平方和最大的那个应该被视为较优。（错）37.基于邻近度的离群点检测方法不能处理具有不同密度区域的数据集。（对）38.如果一个对象不强属于任何簇，那么该对象是基于聚类的离群点。（对）39.从点作为个体簇开始，每一步合并两个最接近的簇，这是一种分裂的层次聚类方法。（错）40.DBSCAN是相对抗噪声的，并且能够处理任意形状和大小的簇。（对）三、计算题1.一个食品连锁店每周的事务记录如下表所示，其中每一条事务表示在一项收款机业务中卖出的项目，假定supmin=40%，confmin=40%，使用Apriori算法计算生成的关联规则，标明每趟数据库扫描时的候选集和大项目集。（15分）事务项目事务项目T1T2T3面包、果冻、花生酱面包、花生酱面包、牛奶、花生酱T4T5啤酒、面包啤酒、牛奶解：（1）由I={面包、果冻、花生酱、牛奶、啤酒}的所有项目直接产生1-候选C1，计算其支持度，取出支持度小于supmin的项集，形成1-频繁集L1，如下表所示：项集C1支持度项集L1支持度{面包}{花生酱}{牛奶}{啤酒}4/53/52/52/5{面包}{花生酱}{牛奶}{啤酒}4/53/52/52/5(2)组合连接L1中的各项目，产生2-候选集C2，计算其支持度，取出支持度小于supmin的项集，形成2-频繁集L2，如下表所示：项集C2支持度项集L2支持度{面包、花生酱}3/5{面包、花生酱}3/5至此，所有频繁集都被找到，算法结束，所以，confidence（{面包}→{花生酱}）=（4/5）/（3/5）=4/3confminconfidence（{花生酱}→{面包}）=（3/5）/（4/5）=3/4confmin所以，关联规则{面包}→{花生酱}、{花生酱}→{面包}均是强关联规则。2.给定以下数据集（2，4，10，12，15，3，21），进行K-Means聚类，设定聚类数为2个，相似度按照欧式距离计算。（15分）解：（1）从数据集X中随机地选择k个数据样本作为聚类的出示代表点，每一个代表点表示一个类别，由题可知k=2，则可设m1=2，m2=4：（2）对于X中的任意数据样本xm（1xmtotal），计算它与k个初始代表点的距离，并且将它划分到距离最近的初始代表点所表示的类别中：当m1=2时，样本（2，4，10，12，15，3，21）距离该代表点的距离分别为2，8，10，13，1，19。当m2=4时，样本（2，4，10，12，15，3，21）距离该代表点的距离分别为-2，6，8，11，-1，17。最小距离是1或者-1将该元素放入m1=2的聚类中，则该聚类为（2，3），另一个聚类m2=4为（4，10，12，15，21）。（3）完成数据样本的划分之后，对于每一个聚类，计算其中所有数据样本的均值，并且将其作为该聚类的新的代表点，由此得到k个均值代表点：m1=2.5，m2=12：（4）对于X中的任意数据样本xm（1xmtotal），计算它与k个初始代表点的距离，并且将它划分到距离最近的初始代表点所表示的类别中：当m1=2.5时，样本（2，4，10，12，15，3，21）距离该代表点的距离分别为-0.5，0.5，1.5，7.5，9.5，12.5，18.5。当m2=12时，样本（2，4，10，12，15，3，21）距离该代表点的距离分别为-10，-9，-8，2，3，9。最小距离是1.5将该元素放入m1=2.5的聚类中，则该聚类为（2，3，4），另一个聚类m2=12为（10，12，15，21）。（5）完成数据样本的划分之后，对于每一个聚类，计算其中所有数据样本的均值，并且将其作为该聚类的新的代表点，由此得到k个均值代表点：m1=3，m2=14.5：（6）对于X中的任意数据样本xm（1xmtotal），计算它与k个初始代表点的距离，并且将它划分到距离最近的初始代表点所表示的类别中：当m1=3时，样本（2，4，10，12，15，3，21）距离该代表点的距离分别为-1，1，7，9，12，18，。当m2=14.5时，样本（2，4，10，12，15，3，21）距离该代表点的距离分别为-12.58，-11.5，-10.5，-4.5，-2.5，0.5，6.5。最小距离是0.5将该元素放入m1=3的聚类中，则该聚类为（2，3，4），另一个聚类m2=14.5为（10，12，15，21）。至此，各个聚类不再发生变化为止，即误差平方和准则函数的值达到最优。3.K均值算法的过程为：1：选择K个点作为初始质点。2：repeat3:每个点指派到最近的质心，形成K个簇。4.重新计算每个簇的质心、5.until质心不发生变化。例题:A1,B1,C作为初始质点，距离函数是Euclidean函数，指派点到最近的质心，方法为计算其他点到质点的欧几里得距离。计算距离如下：A1-A2：dist=(2-2)2+(5-10)2=25;A1-A3:dist=(8-2)2+(4-10)2=72;A1-B2:dist=(7-2)2+(5-10)2=50;A1-B3:dist=(6-2)2+(4-10)2=52;A1-C2:dist=(4-2)2+(9-10)2=5;B1-A2:dist=(2-5)2+(5-8)2=18;B1-A3:dist=(8-5)2+(4-8)2=25;B1-B2:dist=(7-5)2+(5-8)2=13B1-B3:dist=(6-5)2+(4-8)2=17B1-C2:dist=(4-5)2+(9-8)2=2C1-A2:dist=(2-1)2+(5-2)2=10C1-A3:dist=(8-1)2+(4-2)2=53C1-B2:dist=(7-1)2+(5-2)2=45C1-B3:dist=(6-1)2+(4-2)2=29C1-C2:dist=(4-1)2+(9-2)2=58其他五个结点选择与其最近的质心，三个簇分别为：｛B1,C2,B3,B2,A3｝{C1,A2}{A1}计算这三个簇的质心