还剩10页未读,继续阅读
本资源只提供10页预览,全部文档请下载后查看!喜欢就下载吧,查找使用更方便
文本内容:
数据仓库与数据挖掘技术复习资料RID ageincome studentCredit_rating Class:buys_computer640low yesexcellent No731-40low yesexcellent Yes8=30medium nofair No9=30low yesfair Yes1040medium yesfair Yes11=30medium yesexcellent Yes1231-40medium noexcellent Yes1331-40high yesfair Yes1440medium noexcellent No解:每一个类的先验概率1Pbuys_computer=^Yes^=9/14Pbuys_computer=No=5/14为计算计算下面的条件概率2PX/Ci,i=1,2,55Pagev=30”|buys_computer=^Yes=2/9Pagev=30”|buys_computer=No=3/5Pincome=medium”|buys_computer=Yes=4/9Pincome=medium”|buys_computer=No=2/5Pstudent=yes”|buys_computer=Yes=6/9Pstudent=yes”|buys_computer=No=1/595Pcredit_rating=fai|buys_computer=Yes=6/959Pcredit_rating=^fair1buys_computer=No=2/5总结使用以上概率,可以得到3PX|buys_computer=yes=2/9*4/9*6/9*6/9=
0.044PX|buys_computer=No=3/5*2/5*1/5*2/5=
0.019PX|buys_computer=^yes^Pbuys_computer=yes=
0.044*9/14=
0.028因此,对于样本PX|buys_computer=No Pbuys_computer=No=
0.019*5/14=
0.007X,朴素贝叶斯分类预测buys_computer=Yes”第11页共11页数据仓库与数据挖掘技术复习资料
一、单项选择题数据挖掘技术包括三个主要的部份.关于基本数据的元数据是指
1.2DC数据、模型、技术A.算法、技术、领域知识数据、建模能力、算法与技术
8.C.建模能力、算法与技术、领域知识D.基本元数据与数据源,数据仓库,数据集市和应用程序等结构相关的信息;A.基本元数据包括与企业相关的管理方面的数据和信息;B.基本元数据包括日志文件和简历执行处理的时序调度信息;C.基本元数据包括关于装载和更新处理,分析处理以及管理方面的信息D.关于和的说法,下列不正确的是
3.OLAP OLTP A事务量大,但事务内容比较简单且重复率高A.OLAP的最终数据来源与不一样B.OLAP OLTP面对的是决策人员和高层管理人员C.OLTP以应用为核心,是应用驱动的D.OLTP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
4.C频繁模式挖掘分类和预测数据预处理数据流挖掘A.B.C.D.下面哪种不属于数据预处理的方法?
5.D变量代换离散化会萃.估计遗漏值A,B.C.D在算法中信息增益是指
6.ID3D信息的溢出程度A.信息的增加效益B.端增加的程度最大崎减少的程度最大C.D.以下哪个算法是基于规则的分类器
7.A A.C
4.5B.KNN C.Bayes D.ANN以下哪项关于决策树的说法是错误的C冗余属性不会对决策树的准确率造成不利的影响A.子树可能在决策树中重复多次B.决策树算法对于噪声的干扰非常敏感C.寻觅最佳决策树是彻底问题D.NP.假设收入属性的最小与最大分别是和现在想把当前值映91000090000,30000A.
0.25B.
0.375C.
0.125D.
0.5射到区间若采用最大一最小数据规范方法,计算结果是()[0,1],A在抽样方法中,当合适的样本容量很难确定时,可以使用的抽样方法是:()
10.D有放回的简单随机抽样无放回的简单随机抽样A.B.分层抽样渐进抽样C.D.当不知道数据所带标签时,可以使用哪种技术促使带同类标签的数据与带其他标签的
11.数据相分离?()B分类聚类关联分析隐马尔可夫链A.B.C.D.设是频繁项集,则可由产生()个关联规则
12.X={1,2,3}X CA.4B.5C.6D.7()将两个簇的邻近度定义为不同簇的所有点对的平均逐对邻近度,它是一种凝
13.C结层次聚类技术|(单链)(全链)组平均方法A.MIN B.MAX C.D.Ward.惟独非零值才重要的二元属性被称作()14C计数属性离散属性A.B.非对称的二元属性对称属性C.D.在基本均值算法里,当邻近度函数采用()的时候,合适的质心是簇中各点的中
15.K A位数曼哈顿距离平方欧几里德距离余弦距离散度A.B.C.D.Bregman下面关于数据粒度的描述不正确的是()
16.C粒度是指数据仓库小数据单元的详细程度和级别A.数据越详细,粒度就越小,级别也就越高B.数据综合度越高,粒度也就越大,级别也就越高C.粒度的具体划分将直接影响数据仓库中的数据量以及查询质量D.某超市研究销售纪录数据后发现,买啤酒的人很大概率也会购买尿布,这种属于数据
17.挖掘的哪种问题?()B聚类关联规则发现分类自然语言处理A.B.C.D.技术的核心是()
18.0LAP D多维分析在线性对用户的快速响应互操作性D.A.B.C.下面哪种不属于数据预处理的方法?()
19.D变量代换离散化会萃估计遗漏值A.B.C.D..假设个销售价格记录组已经排序如下20125,10,11,13,15,35,50,55,使用如下每种方法将它们划分成四个箱等深划分时,在第几个箱子72,92,204,21515内?()B第一个第二个第三个第四个A.B.C.D.上题中,等宽划分时(宽度为)又在哪个箱子里?()
21.50,15A第一个第二个第三个第四个A.B.C.D..焙是为消除不确定性所需要获得的信息量,投掷均匀正六面体骰子的端是()22BA.lbit B.
2.6bit C.
3.2bit D.
3.8bit.假设属性的最大最小值分别是元和元利用最大最小规范化的23income1200098000方法将属性的值映射到至的范围内对属性的元将被转化为()01income73600DA.
0.821B.
1.224C.
1.458D.
0.
716.假定用于分析的数据包含属性数据元组中的值如下(按递增序)24age age13,15,16,0问题使用按箱16,19,20,20,21,22,22,25,25,25,30,33,33,35,35,36,40,45,46,52,70,平均值平滑方法对上述数据进行平滑箱的深度为第二个箱子值为()3o AA.
18.3B.
22.6C.
26.8D.
27.
9.给定两个对象,分别用元组()和()表示,则这两个对象之间的2522,1,42,1020,0,36,8曼哈坦距离为()A.5B.11C.
2.92D.
2.24概念分层图是()图
26.B无向无环有向无环有向有环无向有环A.B.C.D..假设为事件“产品合格”,为“机器工作正常”,现给出以下概率机器工作正27A B常,生产产品合格的概率为()机器不正常工作时,生产产品合格的概率为PA|B=
0.95P;(毋;机器正常工作的概率,即()已知生产了一个不合格品,机器不正A|=
0.1P B=
0.9o常工作的概率,即()是()P EfoA.
0.90B.
0.333C.
0.667D.
0.05
二、填空题数据仓库是面向主题的、(集成的)、(具有特性的)、稳定的数据集合,用以支
1.持经营管理中的决策制定过程的基本多维分析操作有(聚类)、切片、切块以及(旋转)等
2.OLAP.多维数据集通常采用(星型)或者雪花型架构,以(事实)为中心,连3接多个(维表)空缺值数据的处理方法主要有使用默认值、(属性平均值)、(同类样本平均值)和
5..神经网络的学习方式有种(监督学习)、(非监督学习)和再励学习(强化学习)
63.聚类分析的数据通常可分为区间标度变量、二元变量、(标称变量)、(比例标度变7量)、序数型以及混合类型等数据立方体是数据的多维建模和表示,由维和事实组成维就是涉及的(属性)、而
8.事实是一个具体的(数据).数据预处理的主要内容(方法)包括(数据清洗)、(数据变换)、(数9据集成)和数据归约等.关联规则的经典算法包括()算法和()算法,其中()10Apr ioriFPGrowth FP_Growth算法的效率更高非线性回归的模型有直接换元法、(间接代换法)和(非线性型)三种
11..人工神经网络的特点和优势主要表现在具有(自学习)功能、具有(联系存储)功12能和具有高速寻觅优化解的能力三个方面算法只能对描述属性为(离散)型属性的数据集构造决策树
13.ID
3.按照对应的数据类型,挖掘可分为内容挖掘、()和()14Web神经网络由(输入)、(输出)以及一或者多个隐含结点组成
15.BP
三、判断题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
1.发掘(对)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
2.变化空间的一个有限区域做出描述(错)数据仓库中间层服务器只能采用关系型(错)
3.OLAP OLAP特征提取技术并不依赖于特定的领域(错)
4.定量属性可以是整数值或者是连续值(对)
5.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
6.Web假设过程中提取信息(错)马贝叶斯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#本的分类结果取决于各类域中样本的全体()o51给定由两次运行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
8.K较优(错)如果规则不满足置信度阈值,则形成的规则一定也不满足置信度阈值,其中是
9.的子集(对)X.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10(对).如果一个对象不强属于任何簇,那末该对象是基于聚类的离群点(对)11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
12.K(错)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
13.数据等任务(对)离散属性总是具有有限个值(错)
14.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)
15.特征提取技术并不依赖于特定的领域(错)
16.定量属性可以是整数值或者是连续值(对)
17.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
18.Web假设过程中提取信息(错)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)
19.利用先验原理可以匡助减少频繁项集产生时需要探查的候选项个数(对)
20.具有较高的支持度的项集具有较高的置信度(错)
21.I聚类()是这样的过程它找出描述并区分数据类或者概念的模型(或者函
22.clustering数),以便能够使用模型预测类标记未知的对象类(错)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
23.续数值对)
四、简答题设某事务项集构成如表所示,填空完成粗体字部份支持度和置信度的计算,保留位
1.11小数表1事务项集支持度%规则置信度%L2ID A,D A,B
33.3A=B50T1D,E A,C
33.3C=A60T2A,C,E A,D
44.4A=D
66.7T3A,B,D,E B,D
33.3B=D75T4A,B,C C,D
33.3C=D60T5A,B,D D,E
33.3D=E
42.9T6A,C,DT7C,D,ET8_B,C,D_写出非对称二元变量相异度计算公式(即系数),并计算表中各对象间的相
2.jaccard2异度表
2、测试项目对test-test-test-贫、^test-2test-3test-51460BJ1Y NP N N N0BJ2Y NP NP N0BJ3N YN YNN♦••••••••••♦•••••••••系数公式可描述为Jaccard非对称二元相异度;取值不同的同位属性数/(单个元素的属性位数-同取的位0数)d(i,j)=$,其中r表示对象i取值为1,对象j取值为0;s表示对r+s象取值,对象取值,表示对象和同取值i0j1q ij10+11()d OBJ1,OBJ2=----------=-=
0.332+0+132+24d0BJ1,0BJ3==_=10+2+24d OBJ2,OBJ3=3+2=^=10+3+
25.给定两个对象,分别用元组和表示322,1,42,1020,0,36,8计算两个对象之间的欧几里德的距离;a⑹计算两个对象之间的曼哈坦距离;⑹计算两个对象间的明考斯基距离,q=3解欧几里德距离:a;di,j=J20-222+0-12+36-422+8-102=5曼哈坦距离:b-卜|卜能-;di,j=422-142|+B-10|=11明考斯基距离,c q=3o神-秒_d i,j=22p+p-113+42p+0-10F=
4.327o
五、分析题已知某事务数据库如表所示,请采用算法绘制出要求画出绘制过
1.3FP-Growth FP-tree,程表事务数据库3项目列表TIDT111,12,15T212,13T312,14T411,12,14T511,14,15T612,13T713,14T811,12,13,15_________T911,12,13解:樗序后的省打理军♦1支抖度计做顶裳支持底计数顷目列表TID碗an502T TI02/1,15「02T anT2in.1315回5g ST
302.1444T412,U.Kao a4as3053TS
11.14,151一去的步辨和算却建黑果根”-“••11”7r••2Ti02,13]TT CO.*TO CXXIMSlT90Z/LI3Fr-treeM^mW««3null J一/_■U^1玲玲v__,■\I\iv__J|、Tj4»^iSx x***-\13214114:1141-._-•—.■--■.,_一一一4e a-.―X/^^X7^^X15,115:114:113:2t^k JJ/15:1FP-tree图.给定表所示的训练数据,数据样本属性和描述类24age,income,student credit_rating标号属性具有两个不同值(即{})给定一个没有类标号的数据buys_computer Yes,No样本(v,,),使用朴素X=age==30,income=medium student=“yes”credit_rating=fair贝叶斯分类预测这个数据样本的类标号(10分)表数据库训练数据元组4RID ageincome studentCreditrating Class:buys computer1=30high nofair No2=30high noexcellent No331…40high nofair Yes440medium nofair Yes540low yesfair Yes。