Get清风数据挖掘概念与技术第三版部分习题答案.pdf

数据挖掘 - 概念与技术 ( 第三版 ) 部分习题答案 1.4 数据仓库和数据库有何不同？有哪些相似之 处？ 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。 1.3 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：Grade point 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 75%是 四年级计算机科学专业的学生，而具有低 GPA 的学 生的 65%不是。 关联是指发现关联规则， 这些规则表示一起频繁 发生在给定数据集的特征值的条件。例如，一个数 据挖掘系统可能发现的关联规则为： major(X, “computing science ”) ? owns(X, “personal computer ”) [support=12%, confidence=98%] 其中， X 是一个 表示学生的变量。这个规则指出正在学习的学生， 12% （支持度）主修计算机科学并且拥有一台个人计算 机。这个组一个学生拥有一台个人电脑的概率是 98% （置信度，或确定度）。 分类与预测不同，因为前者的作用是构造一系 列能描述和区分数据类型或概念的模型 （或功能）， 而后者是建立一个模型去预测缺失的或无效的、并 且通常是数字的数据值。它们的相似性是他们都是 预测的工具： 分类被用作预测目标数据的类的标签，而预测典型 的应用是预测缺失的数字型数据的值。 聚类分析的数据对象不考虑已知的类标号。对 象根据最大花蕾内部的相似性、最小化类之间的相 似性的原则进行聚类或分组。形成的每一簇可以被 看作一个对象类。聚类也便于分类法组织形式，将 观测组织成类分 层结构，把类似的事件组织在一起。 数据演变分析描述和模型化随时间变化的对象 的规律或趋势，尽管这可能包括时间相关数据的特 征化、区分、关联和相关分析、分类、或预测，这 种分析的明确特征包括时间序列数据分析、序列或 周期模式匹配、和基于相似性的数据分析 2.3 假设给定的数据集的值已经分组为区间。区间 和对应的频率如下。 ――――――――――――――――――――― ―――――――――――――――― 年 龄 频率 ――――――――――――――――――――― ―――――――――――――――― 1~5 200 5~15 450 15~20 300 20~50 1500 50~80 700 80~110 44 ――――――――――――――