数据挖掘与数据库作业解析.pdf.doc

数据挖掘与数据仓库作业解析 一、对事务数据库用Apriori算法寻找频繁项集合，将最小支持度support=40%（即至少有5*40%=2个事务支持）的项称为频繁项。并对其中的频繁四项生成规则，置信度=60%的规则是最终规则。 事务号 项目集 1 A，B，C，D 2 B，C，E 3 A，B，C，E 4 B，D，E 5 A，B，C，D 题目解析： 频繁项生成（由一个或多个项目构成的集合，称为项集。在一个事务数据库中，支持度超过一定阀值的项集，称为频繁项集。） （1）1-频繁项目集L1生成 生成侯选集并通过扫描数据库得到它们的支持数C1；挑选minsup——count=2的项目集组成1-频繁项目集L1。 （2）2-频繁项目集L2生成 由L1生成2-侯选集，L1中单项目集通过两两连接得到2项目集合，并通过扫描数据库得到2项目集的支持数C2；挑选minsup——count=2的项目集组成2-频繁项目集L2。 （3）3-频繁项目集L3生成 由L2生成3-侯选集，L2中2项目集只有一个项目不同的项目通过两两连接得到3项目集合（如AB与AC连接得ABC），并通过扫描数据库得到它们的支持数C3；挑选minsup——count=2的项目集组成3-频繁项目集L3。 （4）4-频繁项目集L4生成 由L3生成4-侯选集，L3中3项目集只有一个项目不同的项目通过两两连接得到4项目集合（如ABC与ABD连接得ABCD），并通过扫描数据库得到它们的支持数C4；挑选minsup——count=2的项目集组成4-频繁项目集L4。 （5）L5生成 由L4生成5-侯选集C5=空集；L5=空集，算法停止。 规则生成 A-BCD 置信度=2/3=67% 60% 采纳规则 AB-CD 置信度=2/3=67% 60% 采纳规则 AC-BD 置信度=2/3=67% 60% 采纳规则 AD-BC 置信度=2/2=100% 60% 采纳规则 ABC-D 置信度=2/3=67% 60% 采纳规则 ABD-C 置信度=2/2=100% 60% 采纳规则 ACD-B 置信度=2/2=100% 60% 采纳规则 BCD-A 置信度=2/2=100% 60% 采纳规则 AB-CD 置信度=2/3=67% 60% 采纳规则 BD-AC 置信度=2/3=67% 60% 采纳规则 BC-AD 置信度=2/3=67% 60% 采纳规则 D-ABC 置信度=2/3=67% 60% 采纳规则 C-ABD 置信度=2/4=50% 60% 不采纳规则 B-ACD 置信度=2/5=40% 60% 不采纳规则 二、用决策树对下表记录分类，找出决策树，并列出决策树表示的规则。其中“下蛋”属性是分类属性。每个属性取值0表示是，1表示否。 热血 羽毛 皮毛 游泳 下蛋 1 1 1 0 0 1 2 0 0 0 1 1 3 1 1 0 0 1 4 1 1 0 0 1 5 1 0 0 1 0 6 1 0 1 0 0 上式表示：D为数据库中6条记录的集合，6条记录中下蛋=1有4条，下蛋=0有2条。 式子前半部分表示6条记录中有4条下蛋=1记录的信息。式子后半部分表示6条记录中有2条下蛋=0记录的信息。 上式表示：D为数据库中6条记录的集合，6条记录中热血=1有5条，热血=0有1条。式子前半部分就表示在5条热血=1的记录中下蛋=1的记录有3条，下蛋=0的记录有2条的信息。式子前半部分就表示在1条热血=1的记录中下蛋=1的记录有1条，下蛋=0的记录有0条的信息。 选择增益值最大的属性作为分类属性，此时选择的属性为羽毛作为分类树的根。 羽毛=1的记录{1，3，4}分类值全是下蛋=1，可以作为分类树一个叶子。 对羽毛=0{2，5，6}的记录分类，这个集合看做D羽毛=0，与上述D的方法相同来计算信息及信息增益。 选择增益值最大的属性作为分类属性，此时选择的属性为热血。热血=1的记录分类值全是下蛋=0，可以作为分类树一个叶子。热血=0的记录分类值全是下蛋=1，可以作为分类树一个叶子。 没有可以作为分类的非叶结点，分类结束。 分类树如下： 遍历分类树，得到分类规则为 （羽毛=1）-（下蛋=1） （羽毛=0）^（热血=0）-（下蛋=1） （羽毛=0）^（热血=1）-（下蛋=0） 三、下面给出一个样本事务数据库，并对它实施K-均值算法。 序号 属性1 属性2 1 1 1 2 2 1 3 1 2 4 2 2 5 4 3 6 5 3 7 4 4 8 5 4 对所给的数据进行k-平均值算法（设n