数据挖掘题目及答案.doc

一、何为数据仓库？其主要特点是什么？数据仓库与的联系是什么？ 数据仓库是一个面向主题的（ ）、集成的（）、相对稳定的（）、反映历史变化（ ）的数据集合，用于支持管理决策。 特点： 、面向主题 　　操作型数据库的数据组织面向事务处理任务，各个业务系统之间各自分离，而数据仓库中的数据是按照一定的主题域进行组织的。 　　、集成的 　　数据仓库中的数据是在对原有分散的数据库数据抽取、清理的基础上经过系统加工、汇总和整理得到的，必须消除源数据中的不一致性，以保证数据仓库内的信息是关于整个企业的一致的全局信息。 　　、相对稳定的 　　数据仓库的数据主要供企业决策分析之用，一旦某个数据进入数据仓库以后，一般情况下将被长期保留，也就是数据仓库中一般有大量的查询操作，但修改和删除操作很少，通常只需要定期的加载、刷新。 　　、反映历史变化 　　数据仓库中的数据通常包含历史信息，系统记录了企业从过去某一时点(如开始应用数据仓库的时点)到目前的各个阶段的信息，通过这些信息，可以对企业的发展历程和未来趋势做出定量分析和预测。 所谓基于数据库的知识发现（）是指从大量数据中提取有效的、新颖的、潜在有用的、最终可被理解的模式的非平凡过程。数据仓库为提供了数据环境，从数据仓库中提取有效的，可用的信息 二、 数据库有笔交易。设，。 {, , , } {, , , , } {, , } {, , , } 使用算法找出频繁项集，列出所有关联规则。 解：已知最小支持度为，最小置信度为 ）第一步，对事务数据库进行一次扫描，计算出中所包含的每个项目出现的次数，生成候选项集的集合。 项集 {, , , } {, , , , } {, , } {, , , } 项集 支持度计数 {} {} {} {} {} {} {} ）第二步，根据设定的最小支持度，从中确定频繁项集。 项集 支持度计数 {} {} {} ）第三步，由产生候选项集，然后扫描事务数据库对中的项集进行计数。 项集 支持度计数 {, } {, } {, } ) 第四步，根据最小支持度，从候选集中确定频繁项集。 项集 支持度计数 {, } {, } {, } )第五步，由频繁项集生成候选项集，生成的候选项集的集合{}，的子集都是频繁的，且项集{，，}计数为，即{}即为频繁项集。 由频繁项集产生关联规则如下： 针对频繁项集，非空真子集有：{},{},{},{},{},{},相应的置信度为： 规则 置信度 因为最小置信度为，故所有关联规则为： 、、 三、假设数据集含有个数据对象（用二维空间的点表示）： (, )，(, )，(, )，(, )，(, )，(, )，(, )，(, )，(, ) 基于欧几里得距离采用均值方法聚类，取，初始的簇质心为，和，求： () 第一次循环结束时的三个簇的质心。 () 最后求得的三个簇。 解:（）第一次循环： （，）()() （，）()() （，）()() 因为（，）最小，所以， （，）()() （，）()() （，）()() 因为（，）最小，所以， （，）()() （，）()() （，）()() 因为（，）最小，所以， （，）()() （，）()() （，）()() 因为（，）最小，所以， （，）()() （，）()() （，）()() 因为（，）最小，所以， （，）()() （，）()() （，）()() 因为（，）最小，所以， （，）()() （，）()() （，）()() 因为（，）最小，所以， （，）()() （，）()() （，）()() 因为（，）最小，所以， （，）()() （，）()() （，）()() 因为（，）最小，所以， 所以第一次循环结束时， 第一类：，，质心为（, ） 第二类：，，, 质心为（, ） 第三类：，，，, 质心为（, ） () 第二次循环结束时， 第一类：，，,质心为（）, 第二类：，，，质心为（）， 第三类：，，质心为（）。 第三次循环结束时， 第一类：，，,质心为（）, 第二类：，，，质心为（）， 第三类：，，质心为（）。 结果与第二次循环结束的结果一样，故最后求得的结果为： 第一类：，，,质心为（）, 第二类：，，，质心为（）， 第三类：，，质心为（）。 四、给定数据集，试根据前个样本构造决策树模型，并