数据挖掘离线作业

《数据挖掘离线作业》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、浙江大学远程教育学院《数据挖掘》课程作业姓名：吴金翔学号：713070244001年级：13春信息管理学习中心：余杭—————————————————————————————第一章引言一、填空题（1）数据库中的知识挖掘(KDD)包括以下七个步骤：数据清理、数据集成、数据选择、数据变换、数据挖掘、模式评估和知识表示（2）数据挖掘的性能问题主要包括：算法的效率、可扩展性和并行处理（3）当前的数据挖掘研究中，最主要的三个研究方向是：统计学、数据路技术和机器学习（4）孤立点是指：一些与数据的一般行为或模型不一致的孤立数据二、简答题（1）什么是数据挖掘？

2、答：数据挖掘指的是从大量的数据中挖掘出那些令人感兴趣的，有用的，隐含的，先前未知的和可能有用的模式或知识。（2）一个典型的数据挖掘系统应该包括哪些组成部分？答：1，数据库、数据仓库或其他信息库；2，数据库或数据仓库服务器；3，知识库；4，数据挖掘引擎；5，模式评估模块；6.图形用户界面。（3）Web挖掘包括哪些步骤？答：数据清理（可能有占全过程的60%的工作量）；将数据存入数据仓库；建立数据立方体；选择用来进行数据挖掘的数据；数据挖掘（选择适当的算法来找到感兴趣的模式）；展现挖掘结果；将模式或者知识应用或者存入知识库。（4）请列举数据挖掘应用常

3、见的数据源。（或者说，我们都在什么样的数据上进行数据挖掘）答：常见的数据源包括关系数据路、数据仓库、事务数据库和高举数据库系统和信息库。其中国际数据库系统和信息库包括：空间数据库、时间数据库和时间序列数据库、流数据、多媒体数据库、面向对象数据库和对象关系数据库、异种数据库和遗产数据库、文本数据库和万维网等。第二章认识数据一、填空题（1）两个文档向量d1和d2的值为：d1=(1,0,3,0,2)，d2=(3,2,0,0,1)，则它们的余弦相似度为：5/13（2）数据离散度的常用度量包括极差、分位数、四分位数、百分位数四分位数极差和标准差（3）一种

4、常用的确定离群点的简单方法是：出落在至少高于第三个四分位数或低于第一个四分位数1.5*IQR处的值。二、单选题（1）对于下图所示的正倾斜数据，中位数、平均值、众数三者之间的关系是：A、中位数=平均值=众数；B中位数>平均值>众数；C、平均值>中位数>众数；D；众数>中位数>平均值选C（2）下面的散点图显示哪种属性相关性？A不相关；B正相关；C负相关；D先正相关然后负相关；选C三、简答题（1）什么是基于像素的可视化技术？它有什么缺点？答：对于一个M维数据集，基于像素的可视化技术在屏幕上创建m个窗口，每维一个。记录的m个维值映射到这些窗口对应位置上

5、的m个像素。像素的颜色反映对应的值。基于像素的可视化技术的缺点；难以呈现对维空间的数据分布，不显示数据子空间是否存在稠密区域。（2）对称的和不对称的二元属性有什么区别？答：对称的二元属性指变量的两个状态具有同等价值或相同权重；而对不对称的二元属性中，变量的两个状态的重要性是不同的，对称的二元属性可以使用简单匹配系数苹果它们的相异度；不对称的二元属性使用jaccard系数评估它们的相异度。第三章数据预处理一、填空题（1）进行数据预处理时所使用的主要方法包括：数据清理、数据集成、数据变换和数据规约（2）数据概化是指：沿概念分层向上概化（3）数据压缩

6、可分为：有损压缩和无损压缩两种类型。（4）进行数值归约时，三种常用的有参方法是：线性回归方法、多元回归和对数线性模型二、简答题（1）常用的数值属性概念分层的方法有哪些？答：分箱、直方图分析，聚类分析，基于熵的离散化和通过自然划分分段。（2）请描述主成份分析（PCA）算法步骤答：1.规范化输入的数据：所有属性落在相同的区间内；2，计算k个标准正交向量，即主成分；3，每个数据数据的向量都是这k主成分向量的线性组合；4，主成分按照重要程度降序排序。（3）在现实世界的数据中，元组在某些属性上缺少值是常有的。描述处理该问题的各种方法。答：1，忽略元组。当

7、类标号缺少是通常这么做，当每个属性缺省值的百分比变化很大时，他的效果非常差。2，人工填写空缺值。这种方法工作量大，可行性低。3，使用一个全局变量填充空缺值。4，使用属性的平均值填充空缺值。5，使用与给定元组属同一类的所有样本的平均值。6，使用最可能的值填充空缺值。（4）常见的数据归约策略包括哪些？答1，数据立方聚集，2，维归约；3，数据压缩；4，数据归约；5，离散化和概念分层产生；第六—七章挖掘频繁模式、关联和相关一、填空题（1）关联规则挖掘中，两个主要的兴趣度度量是：支持度和置信度（2）Aprior算法包括连接和剪枝两个基本步骤（3）项集的频

8、率是指包含项集的事务数（4）大型数据库中的关联规则挖掘包含两个过程：找出所有频繁项集和由频繁项集产生强关联规则（5）根据规则中所处理的值类型，关联规则