一、填空题（2×10=20分）
1、数据仓库就是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合。 2、元数据是描述数据仓库内数据的结构和建立方法的数据，它为访问数据仓库提供了一个信息目录，根据数据用途的不同可将数据仓库的元数据分为技术元数据和业务元数据两类。 3、数据处理通常分成两大类：联机事务处理和联机分析处理。 4、ROLAP是基于关系数据库的OLAP实现，而MOLAP是基于多维数据结构组织的OLAP实现。
5、调和数据是存储在企业级数据仓库和操作型数据存储中的数据。
6、数据抽取的两个常见类型是静态抽取和增量抽取。静态抽取用于最初填充数据仓库，增量抽取用于进行数据仓库的维护。
7、维度表一般由主键、分类层次和描述属性组成。对于主键可以选择两种方式：一种是采用自然键，另一种是采用代理键。 7、雪花型模式是对星型模式维表的进一步层次化和规范化来消除冗余的数据。
8、数据仓库中存在不同综合级别的数据。一般把数据分成4个级别：早期细节级、当前细节级、轻度综合级和高度综合级。
9、数据仓库的概念模型通常采用信息包图法来进行设计，要求将其5个组成部分（包括名称、维度、类别、层次和度量）全面地描述出来。
10、确定了数据仓库的粒度模型以后，为提高数据仓库的使用性能，还需要根据用户需求设计聚合模型。
11、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。
12、数据仓库的数据量通常较大，且数据一般很少更新，可以通过设计和优化索引结构来提高数据存取性能。
13、聚类分析包括连续型、二值离散型、多值离散型和混合类型4种类型描述属性的相似度计算方法。
14、OLAP的实现方式有以下两种：基于关系数据库系统的实现和基于多维数据库系统的实现。
15、数据仓库的逻辑模型通常采用星型图法来进行设计，要求将星型的各类逻辑实体完整地描述出来。
16、当维表中的主键在事实表中没有与外键关联时，这样的维称为退化维。它于事实表并无关系，但有时在查询限制条件（如订单号码、出货单编号等）中需要用到。 17、数据仓库数据库常见的存储优化方法包括表的归并与簇文件、反向规范化引入冗余、表的物理分割（分区）。
18、两种常用的大数据集的数据概化方法是数据立方体的方法（或OLAP）和面向属性的归纳方法。
19、目前，使用的多维数据模型主要有星型模型、雪花模型、星网模型、第三范式等。
20、按照事实表中度量的可加性情况，可以把事实表对应的事实分为4种类型：事务事实、快照事实、线性项目事实和事件事实。
21、SQL Server SSAS提供了所有业务数据的同意整合试图，可以作为传统报表、在线分析处理、关键性能指示器记分卡和数据挖掘的基础。
22、确定性时间序列分析就是设法消除随机型波动，拟合确定性趋势，因而形成了长期趋势分析、季节变动分析和循环变动测定等一系列确定性时间序列分析方法。
eva母二、名词解释
1. 数据仓库：是一种新的数据处理体系结构，是面向主题的、集成的、不可更新的(稳定性)、随时间不断变化(不同时间)的数据集合，为企业决策支持系统提供所需的集成信息。
2. 孤立点：指数据库中包含的一些与数据的一般行为或模型不一致的异常数据。
3. OLAP：OLAP是在OLTP的基础上发展起来的，以数据仓库为基础的数据分析处理，是共享多维信息的快速分析，是被专门设计用于支持复杂的分析操作，侧重对分析人员和高层管理人员的决策支持。
4. 粒度：指数据仓库的数据单位中保存数据细化或综合程度的级别。粒度影响存放在数据仓库中的数据量的大小，同时影响数据仓库所能回答查询问题的细节程度。
5. 数据规范化：指将数据按比例缩放(如更换大单位)，使之落入一个特定的区域（如0－1）以提高数据挖掘效率的方法。规范化的常用方法有：最大－最小规范化、零－均值规范化、小数定标规范化。
6. 决策树：是用样本的属性作为结点，用属性的取值作为分支的树结构。它是分类规则挖掘的典型方法，可用于对新样本进行分类。
7. 数据挖掘：从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。
8. 数据归约：缩小数据的取值范围，使其更适合于数据挖掘算法的需要，并且能够得到和原始数据相同的分析结果。
9. 遗传算法：是一种优化搜索算法，它首先产生一个初始可行解体，然后对这个体通过模拟生物进化的选择、交叉、变异等遗传操作遗传到下一代体，并最终达到全局最优。
10. 聚类：是将物理或抽象对象的集合分组成为多个类或簇(cluster)的过程，使得在同一个簇中的对象之间具有较高的相似度，而不同簇中的对象差别较大。
11. 关联规则：同时满足最小支持度阈值和最小可信度阈值的规则称之为关联规则。自动旋转喷雾喷头
三、简答题
1.何谓数据挖掘？它有哪些方面的功能？
从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在
其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程称为数据
挖掘。相关的名称有知识发现、数据分析、数据融合、决策支持等。
数据挖掘的功能包括：概念描述、关联分析、分类与预测、聚类分析、
趋势分析、孤立点分析以及偏差分析等。
2.何谓数据仓库？为什么要建立数据仓库？
数据仓库是一种新的数据处理体系结构，是面向主题的、集成的、不可
更新的(稳定性)、随时间不断变化(不同时间)的数据集合，为企业决策支持
系统提供所需的集成信息。
建立数据仓库的目的有3个：
一是为了解决企业决策分析中的系统响应问题，数据仓库能提供比传统
事务数据库更快的大规模决策分析的响应速度。
二是解决决策分析对数据的特殊需求问题。决策分析需要全面的、正确
的集成数据，这是传统事务数据库不能直接提供的。
三是解决决策分析对数据的特殊操作要求。决策分析是面向专业用户而
非一般业务员，需要使用专业的分析工具，对分析结果还要以商业智能的方
式进行表现，这是事务数据库不能提供的。
3.列举操作型数据与分析型数据的主要区别。
4.何谓OLTP和OLAP？它们的主要异同有哪些？
OLTP即联机事务处理，是以传统数据库为基础、面向操作人员和低层管理人员、对基本数据进行查询和增、删、改等的日常事务处理。OLAP即联机分析处理，是在OLTP基础上发展起来的、以数据仓库基础上的、面向高层管理人员和专业分析人员、为企业决策支持服务。
OLTP和OLAP的主要区别如下表：
5.
粒度是指数据仓库的数据单位中保存数据细化或综合程度的级别。粒度影响存放在数据仓库中的数据量的大小，同时影响数据仓库所能回答查询问题的细节程度。按粒度组织数据的方式主要有：
①简单堆积结构
霍尔式角度传感器②轮转综合结构
高压灌注机③简单直接结构
④连续结构
6.简述数据仓库设计的三级模型及其基本内容。
概念模型设计是在较高的抽象层次上的设计，其主要内容包括：界定系统边界和确定主要的主题域。
逻辑模型设计的主要内容包括：分析主题域、确定粒度层次划分、确定数据分割策略、定义关系模式、定义记录系统。
物理数据模型设计的主要内容包括：确定数据存储结构、确定数据存放位置、确定存储分配以及确定索引策略等。在物理数据模型设计时主要考虑的因素有: I/O存取时间、空间利用率和维护代价等。
提高性能的主要措施有划分粒度、数据分割、合并表、建立数据序列、引入冗余、生成导出数据、建立广义索引等。
茶油精
7.在数据挖掘之前为什么要对原始数据进行预处理？
原始业务数据来自多个数据库或数据仓库，它们的结构和规则可能是不同的，这将导致原始数据非常的杂乱、不可用，即使在同一个数据库中，也可能存在重复的和不完整的数据信息，为了使这些数据能够符合数据挖掘的要求，提高效率和得到清晰的结果，必须进行数据的预处理。
为数据挖掘算法提供完整、干净、准确、有针对性的数据，减少算法的计算量，提高挖掘效率和准确程度。
8.简述数据预处理方法和内容。
①数据清洗：包括填充空缺值，识别孤立点，去掉噪声和无关数据。
②数据集成：将多个数据源中的数据结合起来存放在一个一致的数据存储
中。需要注意不同数据源的数据匹配问题、数值冲突问题和冗余问题等。
③数据变换：将原始数据转换成为适合数据挖掘的形式。包括对数据的汇
总、聚集、概化、规范化，还可能需要进行属性的重构。
④数据归约：缩小数据的取值范围，使其更适合于数据挖掘算法的需要，
并且能够得到和原始数据相同的分析结果。
9.简述数据清理的基本内容。
①尽可能赋予属性名和属性值明确的含义；
②统一多数据源的属性值编码；
③去除无用的惟一属性或键值(如自动增长的id)；
④去除重复属性(在某些分析中，年龄和出生日期可能就是重复的属性，
但在某些时候它们可能又是同时需要的)
⑤去除可忽略字段(大部分为空值的属性一般是没有什么价值的，如果不
去除可能造成错误的数据挖掘结果)
⑥合理选择关联字段(对于多个关联性较强的属性，重复无益，只需选择
入口雨棚
其中的部分用于数据挖掘即可，如价格、数据、金额)
⑦去掉数据中的噪音、填充空值、丢失值和处理不一致数据。
10.简述处理空缺值的方法。
①忽略该记录；
②去掉属性；
③手工填写空缺值；
④使用默认值；
⑤使用属性平均值；
⑥使用同类样本平均值；
⑦预测最可能的值。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议