1、期末考試題型四、2014-2015-1數(shù)據(jù)倉庫與數(shù)據(jù)挖掘單項選擇題(每小題2分，共20 分)填空題(每空1分，共20 分)簡答題侮題6分，共30分)析題與計算題(共30分)請同學(xué)們在考試時不要將復(fù)習(xí)資料帶入考場!單選題1. 某超市研究銷售紀(jì)錄數(shù)據(jù)后發(fā)現(xiàn)，買啤酒的人很大概率也會購買尿布，這種屬于數(shù)據(jù)挖 掘的哪類問題？ (A)A.關(guān)聯(lián)規(guī)則發(fā)現(xiàn)B.聚類C.分類D.自然語言處理2. 以下兩種描述分別對應(yīng)哪兩種對分類算法的評價標(biāo)準(zhǔn)？(A)(a) 警察抓小偷，描述警察抓的人中有多少個是小偷的標(biāo)準(zhǔn)。(b) 描述有多少比例的小偷給警察抓了的標(biāo)準(zhǔn)。A. P recisi on.Recall B. Recall,

2、 P recisi onA. P recisio n,ROC D. Recall, ROC3. 將原始數(shù)據(jù)進(jìn)行集成、變換、維度規(guī)約、數(shù)值規(guī)約是在以下哪個步驟的任務(wù)？A.頻繁模式挖掘B.分類和預(yù)測C.數(shù)據(jù)預(yù)處理4. 當(dāng)不知道數(shù)據(jù)所帶標(biāo)簽時， 據(jù)相分離？ (B)A.分類B.聚類5. 什么是KDD ？(A)A.數(shù)據(jù)挖掘與知識發(fā)現(xiàn)C.文檔知識發(fā)現(xiàn)6. 使用交互式的和可視化的技術(shù)，對數(shù)據(jù)進(jìn)行探索屬于數(shù)據(jù)挖掘的哪一類任務(wù)？(A.探索性數(shù)據(jù)分析B.建模描述C.預(yù)測建模D.尋找模式和規(guī)則7. 為數(shù)據(jù)的總體分布建模；把多維空間劃分成組等問題屬于數(shù)據(jù)挖掘的哪一類任務(wù)？A.探索性數(shù)據(jù)分析B.建模描述C.預(yù)測建模D.

3、尋找模式和規(guī)則8. 建立一個模型，通過這個模型根據(jù)已知的變量值來預(yù)測其他某個變量值屬于數(shù)據(jù)挖掘的 哪一類任務(wù)？ (C)A.根據(jù)內(nèi)容檢索B.建模描述C.預(yù)測建模D.尋找模式和規(guī)則9. 用戶有一種感興趣的模式并且希望在數(shù)據(jù)集中找到相似的模式，屬于數(shù)據(jù)挖掘哪一類任 務(wù)？ (A)(C)B.分類和預(yù)測 C.數(shù)據(jù)預(yù)處理D.數(shù)據(jù)流挖掘可以使用哪種技術(shù)促使帶同類標(biāo)簽的數(shù)據(jù)與帶其他標(biāo)簽的數(shù)C.關(guān)聯(lián)分析D.隱馬爾可夫鏈B.領(lǐng)域知識發(fā)現(xiàn)D.動態(tài)知識發(fā)現(xiàn)(B)A. 根據(jù)內(nèi)容檢索 B. 建模描述C. 預(yù)測建模 D. 尋找模式和規(guī)則11. 下面哪種不屬于數(shù)據(jù)預(yù)處理的方法？(D)A 變量代換 B 離散化 C 聚集 D 估計

4、遺漏值15 在第幾個箱子內(nèi)？ (B)12. 假設(shè) 12個銷售價格記錄組已經(jīng)排序如下： 5, 10, 11, 13, 15, 35, 50, 55, 72, 92, 204, 215 使 用如下每種方法將它們劃分成四個箱。等頻(等深)劃分時，第三個 D 第四個50)，15 又在哪個箱子里？ 第三個 D 第四個(D)D 相異(C)A 第一個B 第二個C(A)13. 上題中，等寬劃分時(寬度為A 第一個B 第二個C14. 下面哪個不屬于數(shù)據(jù)的屬性類型：A 標(biāo)稱B 序數(shù)C 區(qū)間15. 在上題中，屬于定量的屬性類型是：C 區(qū)間 D 相異A 標(biāo)稱B 序數(shù)16. 只有非零值才重要的二元屬性被稱作： ( C

5、)D 對稱屬性(D)A 計數(shù)屬性 B 離散屬性 C 非對稱的二元屬性17. 以下哪種方法不屬于特征選擇的標(biāo)準(zhǔn)方法：A 嵌入 B 過濾 C 包裝 D 抽樣18. 下面不屬于創(chuàng)建新屬性的相關(guān)方法的是：(B)D 特征構(gòu)造A 特征提取 B 特征修改 C 映射數(shù)據(jù)到新的空間19. 考慮值集1、2、3、4、5、90，其截斷均值(p=20% )是 (C)A 2 B 3 C 3.5 D 520. 下面哪個屬于映射數(shù)據(jù)到新的空間的方法？ (A)A 傅立葉變換 B 特征加權(quán) C 漸進(jìn)抽樣 D 維歸約(B)21. 熵是為消除不確定性所需要獲得的信息量，投擲均勻正六面體骰子的熵是：A 1 比特 B 2.6比特 C 3

6、.2比特 D 3.8 比特22. 假設(shè)屬性 income 的最大最小值分別是 12000 元和 98000 元。利用最大最小規(guī)范化的方 法將屬性的值映射到 0 至 1 的范圍內(nèi)。對屬性 income 的 73600 元將被轉(zhuǎn)化為： (D)A 0.821 B 1.224 C 1.458 D 0.716箱的深度為 3。第二個箱子值為：23. 假定用于分析的數(shù)據(jù)包含屬性 age。數(shù)據(jù)元組中age的值如下(按遞增序)：13, 15, 16, 16， 19， 20， 20， 21， 22， 22， 25， 25， 25， 30， 33， 33， 35， 35， 36， 40， 45， 46， 52， 7

7、0, 問題： 使用按箱平均值平滑方法對上述數(shù)據(jù)進(jìn)行平滑,(A)A 18.3 B 22.6 C 26.8 D 27.9(A)24. 考慮值集 12 24 33 2 4 55 68 26 ,其四分位數(shù)極差是：A 31 B 24 C 55 D 325. 一所大學(xué)內(nèi)的各年紀(jì)人數(shù)分別為：一年級 200人,二年級 160人,三年級 130人,四年 級 110 人。則年級屬性的眾數(shù)是： (A)A 一年級 B 二年級 C 三年級 D 四年級(B)26. 下列哪個不是專門用于可視化時間空間數(shù)據(jù)的技術(shù)：A 等高線圖 B 餅圖 C 曲面圖 D 矢量場圖27. 在抽樣方法中,當(dāng)合適的樣本容量很難確定時,可以使用的抽樣

8、方法是：(D)A有放回的簡單隨機(jī)抽樣B無放回的簡單隨機(jī)抽樣C分層抽樣D漸進(jìn)抽樣28. 數(shù)據(jù)倉庫是隨著時間變化的,下面的描述不正確的是(C)A. 數(shù)據(jù)倉庫隨時間的變化不斷增加新的數(shù)據(jù)內(nèi)容 ;B. 捕捉到的新數(shù)據(jù)會覆蓋原來的快照 ;C. 數(shù)據(jù)倉庫隨事件變化不斷刪去舊的數(shù)據(jù)內(nèi)容 ;D. 數(shù)據(jù)倉庫中包含大量的綜合數(shù)據(jù) ,這些綜合數(shù)據(jù)會隨著時間的變化不斷地進(jìn)行重新綜合29. 關(guān)于基本數(shù)據(jù)的元數(shù)據(jù)是指 : (D) 基本元數(shù)據(jù)與數(shù)據(jù)源 ,數(shù)據(jù)倉庫 ,數(shù)據(jù)集市和應(yīng)用程序等結(jié)構(gòu)相關(guān)的信息;基本元數(shù)據(jù)包括與企業(yè)相關(guān)的管理方面的數(shù)據(jù)和信息 ; 基本元數(shù)據(jù)包括日志文件和簡歷執(zhí)行處理的時序調(diào)度信息 ; 基本元數(shù)據(jù)包括關(guān)

9、于裝載和更新處理A.B.C.D.,分析處理以及管理方面的信息 : (C) 粒度是指數(shù)據(jù)倉庫小數(shù)據(jù)單元的詳細(xì)程度和級別 ; 數(shù)據(jù)越詳細(xì) ,粒度就越小 ,級別也就越高 ; 數(shù)據(jù)綜合度越高 ,粒度也就越大 ,級別也就越高 ; 粒度的具體劃分將直接影響數(shù)據(jù)倉庫中的數(shù)據(jù)量以及查詢質(zhì)量 .,不正確的描述是 : (A)30. 下面關(guān)于數(shù)據(jù)粒度的描述不正確的是A.B.C.D.31. 有關(guān)數(shù)據(jù)倉庫的開發(fā)特點A. 數(shù)據(jù)倉庫開發(fā)要從數(shù)據(jù)出發(fā)B. 數(shù)據(jù)倉庫使用的需求在開發(fā)出去就要明確 ;C. 數(shù)據(jù)倉庫的開發(fā)是一個不斷循環(huán)的過程 ,是啟發(fā)式的開發(fā) ;D. 在數(shù)據(jù)倉庫環(huán)境中 , 并不存在操作型環(huán)境中所固定的和較確切的處理

10、流 分析和處理更靈活 ,且沒有固定的模式32. 在有關(guān)數(shù)據(jù)倉庫測試 ,下列說法不正確的是 : (D)A. 在完成數(shù)據(jù)倉庫的實施過程中 ,需要對數(shù)據(jù)倉庫進(jìn)行各種測試.測試工作中要包括單元測試和系統(tǒng)測試 .B. 當(dāng)數(shù)據(jù)倉庫的每個單獨組件完成后 ,就需要對他們進(jìn)行單元測試 .C. 系統(tǒng)的集成測試需要對數(shù)據(jù)倉庫的所有組件進(jìn)行大量的功能測試和回歸測試 .D. 在測試之前沒必要制定詳細(xì)的測試計劃 .33. OLAP 技術(shù)的核心是 : (D) 在線性 ; 對用戶的快速響應(yīng) ; 互操作性 . 多維分析 ;A.B.C.D.,數(shù)據(jù)倉庫中數(shù)據(jù)34. 關(guān)于 OLAP 的特性 ,下面正確的是 : (D)(1)快速性 (

11、2)可分析性 (3) 多維性 (4)信息性 (5)共享性A. (1) (2) (3)B. (2) (3) (4)C. (1) (2) (3) (4)D. (1) (2) (3) (4) (5)35. 關(guān)于 OLAP 和 OLTP 的區(qū)別描述 ,不正確的是 : (C)A. OLAP 主要是關(guān)于如何理解聚集的大量不同的數(shù)據(jù).它與 OTAP 應(yīng)用程序不同 .B. 與 OLAP 應(yīng)用程序不同 ,OLTP 應(yīng)用程序包含大量相對簡單的事務(wù) .C. OLAP 的特點在于事務(wù)量大 ,但事務(wù)內(nèi)容比較簡單且重復(fù)率高 .D. OLAP 是以數(shù)據(jù)倉庫為基礎(chǔ)的 ,但其最終數(shù)據(jù)來源與 OLTP 一樣均來自底層的數(shù)據(jù)庫系統(tǒng)

12、 兩者面對的用戶是相同的 .36. OLAM 技術(shù)一般簡稱為 ”數(shù)據(jù)聯(lián)機(jī)分析挖掘 ”下,面說法正確的是 : (D) A. OLAP 和 OLAM 都基于客戶機(jī) /服務(wù)器模式 ,只有后者有與用戶的交互性 ;B. 由于 OLAM 的立方體和用于 OLAP 的立方體有本質(zhì)的區(qū)別 .C. 基于 WEB 的 OLAM 是 WEB 技術(shù)與 OLAM 技術(shù)的結(jié)合 .D. OLAM 服務(wù)器通過用戶圖形借口接收用戶的分析指令,在元數(shù)據(jù)的知道下 ,對超級立方體作一定的操作 .37. 關(guān)于A. OLAPOLAP 和 OLTP 的說法 ,下列不正確的是 : (A) 事務(wù)量大 ,但事務(wù)內(nèi)容比較簡單且重復(fù)率高 . 的最終

13、數(shù)據(jù)來源與 OLTP 不一樣 . 面對的是決策人員和高層管理人員 . 以應(yīng)用為核心 ,是應(yīng)用驅(qū)動的 .B. OLAPC. OLTPD. OLTP設(shè) X=1 ，2，3是頻繁項集，則可由 X 產(chǎn)生 _(C)_個關(guān)聯(lián)規(guī)則。38.A、40.A、4 B、 5 C、 6 D、 7 概念分層圖是 _(B)_圖。 無向無環(huán)41. 頻繁項集 A 、頻繁項集 B 、頻繁項集C、頻繁項集D 、頻繁項集B、有向無環(huán) C、有向有環(huán) D、無向有環(huán) 頻繁閉項集、最大頻繁項集之間的關(guān)系是： 頻繁閉項集 =最大頻繁項集= 頻繁閉項集 最大頻繁項集 頻繁閉項集 最大頻繁項集= 頻繁閉項集 = 最大頻繁項集(C)42. 考慮下面的

14、頻繁 3-項集的集合： 1 ，2，3 ，1，2，4， 3，5 ， 2 ， 3， 4 ，2 ，3，5 ，3，4，5 假定數(shù)據(jù)集中只有 候選產(chǎn)生過程得到 4-項集不包含( C)A、 1，2，3，4 B、 1，2，3，5 C、 1，2，4，5 D、 1， 3， 4，43.1，2，5，1，3，4，1 ，5 個項，采用 合并策略，由A、B、C、D、44.A、45.A、F面選項中t不是s的子序列的是 (C )s=<2,4,3,5,6,8> t=<2,3,6,8> s=<2,4,3,5,6,8> t=<2,8> s=<1,2,3,4> t=<

15、1,2> s=<2,4,2,4> t=<2,4> 在圖集合中發(fā)現(xiàn)一組公共子結(jié)構(gòu)，這樣的任務(wù)稱為 ( B )頻繁子集挖掘B、頻繁子圖挖掘C、頻繁數(shù)據(jù)項挖掘D、頻繁模式挖掘下列度量不具有反演性的是 (D)系數(shù)B、幾率 C Cohen度量D、興趣因子46. 下列 _(A)_不是將主觀信息加入到模式發(fā)現(xiàn)任務(wù)中的方法。A 、與同一時期其他數(shù)據(jù)對比B、可視化C、基于模板的方法D、主觀興趣度量47. 下面購物籃能夠提取的3-項集的最大數(shù)量是多少(C)ID 購買項12牛奶，啤酒，尿布 面包，黃油，牛奶 牛奶，尿布，餅干 面包，黃油，餅干 啤酒，餅干，尿布 牛奶，尿布，面包，黃油5

16、67面包，黃油，尿布8啤酒，尿布9牛奶，尿布，面包，黃油10啤酒，餅干A、1 B、2 C、3 D、4(B)A，KNN B，SVM C，Bayes D，48. 以下哪些算法是分類算法，A，DBSCAN B，C4.5 C,K-Mean D,EM49. 以下哪些分類方法可以較好地避免樣本的不平衡問題， 神經(jīng)網(wǎng)絡(luò) (A)B,內(nèi)部結(jié)點(internal node)C,50. 決策樹中不包含一下哪種結(jié)點，A,根結(jié)點(root node)外部結(jié)點(external node) D,葉結(jié)點(leaf node)(C)(A)51. 不純性度量中Gini計算公式為(其中c是類的個數(shù))A, B, C, D,( A)

17、(C) 冗余屬性不會對決策樹的準(zhǔn)確率造成不利的影響 子樹可能在決策樹中重復(fù)多次 決策樹算法對于噪聲的干擾非常敏感 尋找最佳決策樹是 NP完全問題53. 以下哪項關(guān)于決策樹的說法是錯誤的A.B.C.D.54. 在基于規(guī)則分類器的中，依據(jù)規(guī)則質(zhì)量的某種度量對規(guī)則排序，保證每一個測試記錄都是由覆蓋它的 最好的”規(guī)格來分類，這種方案稱為(B)基于類的排序方案 基于規(guī)則的排序方案 基于度量的排序方案 基于規(guī)格的排序方案。A.B.C.D.55. 以下哪些算法是基于規(guī)則的分類器(A)A. C4.5 B. KNN C. Na?ve Bayes D. ANN56. 以下關(guān)于人工神經(jīng)網(wǎng)絡(luò)(ANN )的描述錯誤的有

18、(A)A，神經(jīng)網(wǎng)絡(luò)對訓(xùn)練數(shù)據(jù)中的噪聲非常魯棒B,可以處理冗余特征C,訓(xùn)練ANN是一個很耗時的過程D，至少含有一個隱藏層的多層神經(jīng)網(wǎng)絡(luò)57. 通過聚集多個分類器的預(yù)測來提高分類準(zhǔn)確率的技術(shù)稱為(A)A,組合(ensemble) B,聚集(aggregate) C,合并(combination) D，投票(voting)58. 簡單地將數(shù)據(jù)對象集劃分成不重疊的子集，使得每個數(shù)據(jù)對象恰在一個子集中，這種聚 類類型稱作(B)A、層次聚類B、劃分聚類C、非互斥聚類D、模糊聚類59在基本K均值算法里，當(dāng)鄰近度函數(shù)采用( A )的時候，合適的質(zhì)心是簇中各點的中 位數(shù)。B、平方歐幾里德距離 C、余弦距離D、B

19、regman散度它與其他觀測值的差別如此之大，以至于懷疑它是由不同的機(jī)制A、曼哈頓距離60.( C )是一個觀測值，產(chǎn)生的。C、離群點D、核心點質(zhì)心A、邊界點填空題(KDD)包括以下七個步驟:第一章(1) 數(shù)據(jù)庫中的知識挖掘（2） 數(shù)據(jù)挖掘的性能問題主要包括： 、（3）當(dāng)前的數(shù)據(jù)挖掘研究中， 最主要的三個研究方向是:（4）在萬維網(wǎng)（WWW）上應(yīng)用的數(shù)據(jù)挖掘技術(shù)常被稱為:（5）孤立點是指：答案：（1）（2）（3）（4）數(shù)據(jù)清理，數(shù)據(jù)集成，數(shù)據(jù)選擇，數(shù)據(jù)變換，數(shù)據(jù)挖掘，模式評估，知識表示 算法的效率、可擴(kuò)展性和并行處理 統(tǒng)計學(xué)、數(shù)據(jù)庫技術(shù)和機(jī)器學(xué)習(xí)WEB挖掘一些與數(shù)據(jù)的一般行為或模型不一致的孤立數(shù)

20、據(jù)第二章（1 ）進(jìn)行數(shù)據(jù)預(yù)處理時所使用的主要方法包括:和（2）處理噪聲數(shù)據(jù)的方法主要包括： 和_（3）（4）（5）（6）和_（7）數(shù)據(jù)離散度的最常用度量是答案：（1）（2）（3）（4）（5）（6）（7）模式集成的主要問題包括: 數(shù)據(jù)概化是指： 數(shù)據(jù)壓縮可分為： 進(jìn)行數(shù)值歸約時，禾廿_三種常用的有參方法是:兩種類型。數(shù)據(jù)清理、數(shù)據(jù)集成、數(shù)據(jù)變換、數(shù)據(jù)規(guī)約 分箱、聚類、計算機(jī)和人工檢查結(jié)合、回歸 整合不同數(shù)據(jù)源中的元數(shù)據(jù)，實體識別問題 沿概念分層向上概化有損壓縮，無損壓縮線性回歸方法，多元回歸，對數(shù)線性模型 五數(shù)概括、中間四分位數(shù)區(qū)間、標(biāo)準(zhǔn)差第三章（1）概念分層有四種類型，分別是:（2）常用的四種

21、興趣度的客觀度量是:（3 ）同時滿足答案：（1 ）模式分層，集合分組分層，操作導(dǎo)出的分層，基于規(guī)則的分層（2）簡單性、確定性、實用性、新穎性（3）最小置信度臨界值、最小支持度臨界值的關(guān)聯(lián)規(guī)則稱為強(qiáng)關(guān)聯(lián)規(guī)則。第四章（5）(1)(2)(3)(4)(5)(6)(7)和兩個基本步驟關(guān)聯(lián)規(guī)則挖掘中，兩個主要的興趣度度量是：Aprior算法包括禾R項集的頻率是指和_和大型數(shù)據(jù)庫中的關(guān)聯(lián)規(guī)則挖掘包含兩個過程： 根據(jù)規(guī)則中所處理的值類型，關(guān)聯(lián)規(guī)則可分為： Apriori 性質(zhì)是指：挖掘多維關(guān)聯(lián)規(guī)則的技術(shù)可以根據(jù)量化屬性的處理分為三種基本方法: 禾n（8）對于頻繁項集挖掘，在挖掘過程中使用的約束包括以下五種類型

22、：、 、 禾 n（9）在多維關(guān)聯(lián)規(guī)則挖掘中，我們搜索的不是頻繁項集，而是 答案：支持度和置信度連接和剪枝包含項集的事務(wù)數(shù)找出所有頻繁項集、由頻繁項集產(chǎn)生強(qiáng)關(guān)聯(lián)規(guī)則布爾關(guān)聯(lián)規(guī)則、量化關(guān)聯(lián)規(guī)則頻繁項集的所有非空子集也必須是頻繁的量化屬性的靜態(tài)離散化、量化關(guān)聯(lián)規(guī)則、基于距離的關(guān)聯(lián)規(guī)則反單調(diào)的、單調(diào)的、簡潔的、可轉(zhuǎn)變的、不可轉(zhuǎn)變的頻繁謂詞集（1）（2）（3）（4）（5）（6）（7）（8）（9） 第五章（1 ）通過對數(shù)據(jù)進(jìn)行預(yù)處理，可以提高分類和預(yù)測過程的 和_防止分類中的過分適應(yīng)的兩種方法分別是:（2） 答案準(zhǔn)確性、有效性和可伸縮性先剪枝、后剪枝（1）（2） 第六章（1） 在數(shù)據(jù)挖掘中，常用的聚類算法

23、包括： 、 基于網(wǎng)格的方法和基于模型的方法。（2）聚類分析常作為一個獨立的工具來獲得 （3 ）一個好的聚類分析方法會產(chǎn)生高質(zhì)量的聚類，具有兩個特征: 和_許多基于內(nèi)存的聚類算法所常用的兩種數(shù)據(jù)結(jié)構(gòu)是 基于網(wǎng)格的聚類方法的優(yōu)點是： 孤立點產(chǎn)生的主要原因包括： 和在基于統(tǒng)計的孤立點檢測中，常用于不一致性檢驗的參數(shù)包括:禾n（4）（5）（6）（7） 答案：（1 ）劃分方法、層次的方法、基于密度的方法（2 ）數(shù)據(jù)分布的情況3）高類內(nèi)相似度、低類間相似度4）數(shù)據(jù)矩陣、相異度矩陣5）處理數(shù)度快6）度量或執(zhí)行錯誤、數(shù)據(jù)變異的結(jié)果7）數(shù)據(jù)分布、分布參數(shù)、預(yù)期的孤立點數(shù)問答題1. 何謂數(shù)據(jù)挖掘？它有哪些方面的功

24、能？ 從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中，提取隱含在其中的、 人們事先不知道的、但又是潛在有用的信息和知識的過程稱為數(shù)據(jù)挖掘。相關(guān)的名稱 有知識發(fā)現(xiàn)、數(shù)據(jù)分析、數(shù)據(jù)融合、決策支持等。數(shù)據(jù)挖掘的功能包括： 概念描述、 關(guān)聯(lián)分析、分類與預(yù)測、 聚類分析、 趨勢分析、 孤立點分析以及偏差分析等。2. 何謂數(shù)據(jù)倉庫？為什么要建立數(shù)據(jù)倉庫？ 數(shù)據(jù)倉庫是一種新的數(shù)據(jù)處理體系結(jié)構(gòu)， 是面向主題的、 集成的、 不可更新的 （穩(wěn) 定性 ）、隨時間不斷變化 （不同時間 ）的數(shù)據(jù)集合，為企業(yè)決策支持系統(tǒng)提供所需的集成 信息。數(shù)據(jù)倉庫能提供比傳統(tǒng)事務(wù)數(shù)據(jù)建立數(shù)據(jù)倉庫的目的有 3 個： 一是為了解決企業(yè)

25、決策分析中的系統(tǒng)響應(yīng)問題， 庫更快的大規(guī)模決策分析的響應(yīng)速度。二是解決決策分析對數(shù)據(jù)的特殊需求問題。決策分析需要全面的、正確的集成數(shù) 據(jù)，這是傳統(tǒng)事務(wù)數(shù)據(jù)庫不能直接提供的。三是解決決策分析對數(shù)據(jù)的特殊操作要求。 決策分析是面向?qū)I(yè)用戶而非一般業(yè) 務(wù)員，需要使用專業(yè)的分析工具，對分析結(jié)果還要以商業(yè)智能的方式進(jìn)行表現(xiàn)，這是 事務(wù)數(shù)據(jù)庫不能提供的。簡單堆積結(jié)構(gòu) 輪轉(zhuǎn)綜合結(jié)構(gòu) 簡單直接結(jié)構(gòu) 連續(xù)結(jié)構(gòu)3. 何謂粒度？它對數(shù)據(jù)倉庫有什么影響？按粒度組織數(shù)據(jù)的方式有哪些？ 粒度是指數(shù)據(jù)倉庫的數(shù)據(jù)單位中保存數(shù)據(jù)細(xì)化或綜合程度的級別。 粒度影響存放 在數(shù)據(jù)倉庫中的數(shù)據(jù)量的大小，同時影響數(shù)據(jù)倉庫所能回答查詢問題的

26、細(xì)節(jié)程度。按 粒度組織數(shù)據(jù)的方式主要有：4. 何謂聚類？它與分類有什么異同？聚類是將物理或抽象對象的集合分組成為多個類或簇（cluster）的過程，使得在同一個簇中的對象之間具有較高的相似度，而不同簇中的對象差別較大。聚類與分類不同，聚類要劃分的類是未知的，分類則可按已知規(guī)則進(jìn)行；聚類是一種無指導(dǎo)學(xué)習(xí)，它不依賴預(yù)先定義的類和帶類標(biāo)號的訓(xùn)練實例，屬于觀察式學(xué)習(xí)，分類則屬于有指導(dǎo)的學(xué)習(xí)，是示例式學(xué)習(xí)。5. 分類知識的發(fā)現(xiàn)方法主要有哪些？分類過程通常包括哪兩個步驟？分類規(guī)則的挖掘方法通常有：決策樹法、貝葉斯法、人工神經(jīng)網(wǎng)絡(luò)法、粗糙集法和遺傳算法。分類的過程包括 2 步：首先在已知訓(xùn)練數(shù)據(jù)集上，根據(jù)屬

27、性特征， 為每一種類別找到一個合理的描述或模型，即分類規(guī)則；然后根據(jù)規(guī)則對新數(shù)據(jù)進(jìn) 行分類。.什么是決策樹？如何用決策樹進(jìn)行分類？決策樹是用樣本的屬性作為結(jié)點，用屬性的取值作為分支的樹結(jié)構(gòu)。它是利用 信息論原理對大量樣本的屬性進(jìn)行分析和歸納而產(chǎn)生的。決策樹的根結(jié)點是所有樣 本中信息量最大的屬性。樹的中間結(jié)點是以該結(jié)點為根的子樹所包含的樣本子集中 信息量最大的屬性。決策樹的葉結(jié)點是樣本的類別值。決策樹用于對新樣本的分類，即通過決策樹對新樣本屬性值的測試，從樹的根 結(jié)點開始，按照樣本屬性的取值，逐漸沿著決策樹向下，直到樹的葉結(jié)點，該葉結(jié) 點表示的類別就是新樣本的類別。決策樹方法是數(shù)據(jù)

28、挖掘中非常有效的分類方法。簡述 ID3 算法的基本思想及其主算法的基本步驟。首先找出最有判別力的因素，然后把數(shù)據(jù)分成多個子集，每個子集又選擇最有 判別力的因素進(jìn)一步劃分，一直進(jìn)行到所有子集僅包含同一類型的數(shù)據(jù)為止。最后 得到一棵決策樹，可以用它來對新的樣例進(jìn)行分類。主算法包括如下幾步： 從訓(xùn)練集中隨機(jī)選擇一個既含正例又含反例的子集 用“建樹算法”對當(dāng)前窗口形成一棵決策樹；(稱為窗口 )；對訓(xùn)練集 (窗口除外 )中例子用所得決策樹進(jìn)行類別判定，找出錯判的例子； 若存在錯判的例子，把它們插入窗口，重復(fù)步驟，否則結(jié)束。噪聲數(shù)據(jù)的產(chǎn)生原因有哪些？ (1)數(shù)據(jù)采集設(shè)備有問題(2) 在數(shù)據(jù)錄入過程中發(fā)生了

29、人為或計算機(jī)錯誤(3) 數(shù)據(jù)傳輸過程中發(fā)生錯誤(4) 由于命名規(guī)則或數(shù)據(jù)代碼不同而引起的不一致。遺傳算法與傳統(tǒng)尋優(yōu)算法相比有什么特點？不需要遺傳算法為群體搜索，有利于尋找到全局最優(yōu)解； 遺傳算法采用高效有方向的隨機(jī)搜索，搜索效率高； 遺傳算法處理的對象是個體而不是參變量，具有廣泛的應(yīng)用領(lǐng)域； 遺傳算法使用適應(yīng)值信息評估個體， 不需要導(dǎo)數(shù)或其他輔助信息， 運(yùn)算速度快， 適應(yīng)性好； 遺傳算法具有隱含并行性，具有更高的運(yùn)行效率。10. 請解釋一下在數(shù)據(jù)挖掘關(guān)聯(lián)規(guī)則中什么是支持度和可信度，以及關(guān)聯(lián)規(guī)則。支持度：規(guī)則A7B的支持度指的是所有事件中 A與B同地發(fā)生的的概率，即 P(A U B)，是AB同時

30、發(fā)生的次數(shù)與事件總次數(shù)之比。支持度是對關(guān)聯(lián)規(guī)則重要性的衡量。可信度： 規(guī)則 A7B 的可信度指的是包含 A 項集的同時也包含 B 項集的條件概率 P(B|A) ，是 AB 同時發(fā)生的次數(shù)與 A 發(fā)生的所有次數(shù)之比。 可信度是對關(guān)聯(lián)規(guī)則的準(zhǔn)確度 的衡量。關(guān)聯(lián)規(guī)則： 同時滿足最小支持度閾值和最小可信度閾值的規(guī)則稱之為關(guān)聯(lián)規(guī)則。分析與計算題1.假定用于分析的數(shù)據(jù)包含屬性age。數(shù)據(jù)元組中age的值如下(按遞增序)： 13,15,16,16,19,20,20,21,22,22,25,25,25,25,30,33,33,33,35,35,35,35,36,40,45,46,52,70。3。(b)(C)使

31、用按箱平均值平滑對以上數(shù)據(jù)進(jìn)行平滑，箱的深度為 該數(shù)據(jù)的均值是多少，中位數(shù)是多少？使用min-max規(guī)范化，將age值35轉(zhuǎn)換到0.0， 1.0區(qū)間。（a）已知數(shù)據(jù)元組中 age的值如下（按遞增序）：13,15,16,16,19,20,20,21,22,22,25,25,25,25,30,33,33,33,35,35,35,35,36,40,45,46,52,70。且箱的深度為 3,劃分為（等頻）箱：箱箱箱箱箱箱箱箱箱箱2:3:4:5:6:7:8:13,15,1616,19,2020,21,2222,25,2525,25,3033,33,3335,35,3535,36,4045,46,5210

32、: 709:用箱均值光滑：箱箱箱箱箱箱箱箱箱箱2:3:4:5:6:7:15,15,1518,18,1821,21,2124,24,2427,27,3733,33,3335,35,3537,37,3748,48,4810: 70；8:9:答：（b）答：陽皿一:苕f 7"“5 d WE站-（C）答:柿）ftJfl覘,范牝?qū)㈦緀 ffi 5?哽換到他九I門滬間亠/ runr 13+ 覽血"=70tieu thin-0.DrjO'r 而*Thv-mir, t.=Ijrnv niEix . -mm J葉 川刑 mm ,nia- iiiin _IS n=一 11 衛(wèi)-O.W+

33、U.O =(.3 K6070=n2. 給定兩個向量對象，分別表示為P 1（22，1，42，10），P2（20，0，36，8）:計算兩個對象之間的曼哈頓距離 計算兩個對象之間的切比雪夫距離（a）計算兩個對象之間的歐幾里得距離；（b）（C）x=3。（d）計算兩個對象之間的閔可夫斯基距離，用 答：（a）計算兩個對象之間的歐幾里得距離：(7|,二 Jf22 fl計山一sr =屁（b）計算兩個對象之間的曼哈頓距離:= 22-20 - 1-(1 - 42-36 - 1(3-3, = II（C）計算兩個對象之間的閔可夫斯基距離，其中參數(shù)r=3:% 寸mUDf- l-O" - 4怖=_山仝匚拓y3.數(shù)據(jù)庫有 4 筆交易，設(shè) minsup=60%， minconf=80%。TiDT1DO3/5/2