数据挖掘习题

粗糙集习题:

2.一个知识库K=(U,R)，其中U={x1,x2,x3,x4,x5,x6,x7,x8}，一个等价关系R形成的等价类为Y1={x1,x2,x3}，Y2={x3},Y3={x4,x7,x8},Y4={x5}。X={x2,x5,x7}。试求出下近似集合和上近似集合。

4．某个系统有三个识别属性，共含有6个元素，如表所示。

U	A1	A2	A3
x1 重型门	1	1	3
x2	1	1	3
x3	2	1	1
x4	3	2	2
x5	3	2	1
x6	2	1	2

令R1={A1}, R2={A2}, R3={A3}, R={R1,R2,R3}，求：

（1）由R1，R2，R3分别形成的等价划分。

（2）由R形成的等价划分。

（3）如果X={x1,x2,x5}，求X相对于R的粗糙度。

5．某系统的对象集、条件属性和决策属性的关系如表所示。

U	A1	A2	D
x1	1	1	1
x2	节能锅1	0	2
x3	0	2	0
x4	1	2	0
x5	0	952022720	电磁线圈1

其中A1和A2是条件属性，D是决策属性，请给出这个系统的辨识矩阵。

6.根据下列决策表写出可辨识矩阵。

U	可见度（x1）	温度（x2）	湿度（x3）	是否风大（x4）	D
1	Hunny	Hot	High	False	N
2	Sunny	Hot	High	True	N
3	Overcast	Hot	High	False废气焚烧	P
4	Rain	Mild	High	False	P
5	Rain	Cool	Normal	False	P
6	Rain	Cool	Normal	True	N

分类与预测习题：

1.给定训练集为Xtrain={(xi,yi)|i=1,2,…,7}，其中每个训练样本xi是一个二维特征向量；yi∈{+1，-1}为xi的类标号，即训练集中的数据样本包含两个类别。现有x1=(1,0)T, x2=(0,0.6)T, x3=(0,-1)T, x4=(0,0)T, x5=(0,2)T, x6=(0,-2)T, x7=(-2,0)T,其中y1= y2= y3=+1 ,y4 =y5= y6 =y7=-1。对于未知类标号的数据样本x=(0.4,0)T，分别利用最近邻分类方法和k-近邻分类方法(k=3)对x进行分类。

关联规则习题：

1.如果L2={{a,b},{a,c},{a,d},{b,c},{b,d}}，则连接产生的C3和再经过修剪的L3分别分别是什么？

2.设定SUPmin=0.5,CONFmin=0.5,使用Apriori算法完成表4.8所示的数据集关联规则的挖掘。