数据挖掘-概念与技术(第2版)习题答案.pdf

数据挖掘——概念概念与技术

DataMining

ConceptsandTechniques

习题解答

JiaweiHanMichelineKamber著

范明孟晓峰译

1.3假设你是BigUniversity的软件工程师，任务是设计一个数据挖掘系统，分析学校课程数据库。该数据

库包括如下信息：每个学生的姓名、地址和状态（例如本科生或研究生）、所修课程以及他们的GPA（平

均积分点）。描述你要选取的结构。该结构的每个成分的作用是什么？

答：该应用程序的数据挖掘的体系结构应包括以下主要组成部分：

数据库，数据仓库，万维网或其他信息库：这是一个或一组包含学生和课程信息数据库、数据仓库、

电子表格或其他类型的信息库；

数据库或数据仓库服务器：根据用户数据挖掘请求，数据库或数据仓库服务器负责提取相关数据；

知识库：这是领域的知识，用于指导有哪些信誉好的足球投注网站或评估结果模式的兴趣度。

数据挖掘引擎：这是数据挖掘系统的基本部分，理想情况下由一组功能模块组成，用于执行特征化、

关联和相关分析、分类、预测、聚类分析、离群点分析和演变分析等任务。

模式评估模块：该成分使用兴趣度度量，并与数据挖掘模块交互，以便将有哪些信誉好的足球投注网站聚焦在有兴趣的模式

上。

用户界面：该模块在用户和数据挖掘系统之间通信，允许用户与系统交互，说明挖掘查询或任务，

提供信息以帮助有哪些信誉好的足球投注网站聚焦，根据数据挖掘的中间结果进行探索式数据挖掘。。

1.4数据仓库和数据库有何不同？有哪些相似之处？p8

答：区别：数据仓库是面向主题的，集成的，不易更改且随时间变化的数据集合，用来支持管理人

员的决策，数据库由一组内部相关的数据和一组管理和存取数据的软件程序组成，是面向操作型的数据

库，是组成数据仓库的源数据。它用表组织数据，采用ER数据模型。

相似：它们都为数据挖掘提供了源数据，都是数据的组合。

1.5简述以下高级数据库系统和应用：对象-关系数据库、空间数据库、文本数据库、多媒体数据库、流

数据和万维网。

答：对象－关系数据库的设计是基于面向对象的编程范式的数据是大量对象类和类层次结构组织。

每个实体在数据库中被视为一个对象。该对象包含一组变量描述的对象，一组消息的对象可以使用的沟

通与其他物体或与其余的数据库系统，以及一套方法，每种方法持有的代码实现一个消息。

空间数据库包含空间有关的数据，这可能是代表的形式，栅格或矢量数据。栅格数据包括n维位图

或像素地图，矢量数据是由点，线，多边形或其他种类的图元处理，一些例子包括地理空间数据库（图）

数据库，超大规模集成电路芯片设计，以及医疗和卫星图像数据库。

文本数据库包含文本文件或其他长句或段落格式的文字说明，如产品规格、误差或错误报告、警告

信息、总结报告、说明或其他文件。

多媒体数据库存储的图像，音频，视频数据，并应用于诸如图像、基于内容的检索、语音邮件系统、

视频点播系统、互联网和以语音为基础的用户界面。

流数据是一类新的数据的产生和分析，其中数据动态地从观测平台（或窗口）流进或流出。特点：

海量甚至可能无限，动态变化，以固定的次序流进或流出，只允许一遍或少数几遍扫描，要求快速响应

时间。如电力供应、网络通信、股票交易、电信、Web点击流、视频监视和气象或环境监控数据。

万维网上提供丰富的、全世界范围内的联机信息服务，其中的数据对象链接在一起便于交互访问。与之

关联的分布式信息服务的例子如：美国在线，雅虎！AltaVista等。

1.6定义下列数据挖掘功能：特征化、区分、关联和相关分析、预测聚类和演变分析。使用你熟悉的现

实生活的数据库，给出每种数据挖掘功能的例子。

答：特征化是一个目标类数据的一般特性或特性的汇总。例如，学生的特征可被提出，形成所有大学的

计算机科学专业一年级学生的轮廓，这些特征包括作为一种高的年级平均成绩(GPA：Gradepoint

aversge)的信息，

还有所修的课程的最大数量。

区分是将目标类数据对象的一般特性与一个或多个对比类对象的一般特性进行比较。例如，具有高

GPA的学生的一般特性可被用来与具有低GPA的一般特性比较。最终的描述可能是学生的一个一般可比

较的轮廓，就像具有高GPA的学生的