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 ） 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 C F-Measure D 几何均值
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（ A D ）
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 C F-Measure D 几何均值
音调控制电路
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（ A D ）
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。（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. 离点可以是合法的数据对象或者值。 （对）
大微动开关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）
直接接地箱
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（training error）和泛化误差（generalization error）. (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（minimal margin classifier） (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 | 环氧环己烷项目 |
T1 T2 T3 | 面包、果冻、花生酱 面包、花生酱 面包、牛奶、花生酱 | T4 T5 | 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} | 4/5 3/5 2/5 2/5 | {面包} {花生酱} {牛奶} {啤酒} | 4/5 3/5 2/5 2/5 |
| | | | | 阳光外挂
(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美容灯 | 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，所有频繁集都被到，算法结束，
所以，confidence（{面包}→{花生酱}）=（4/5）/（3/5）=4/3> confmin
confidence（{ 花生酱}→{面包}）=（3/5）/（4/5）=3/4> confmin
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（1<xm<total），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。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议