數(shù)據(jù)挖掘概念與技術(shù)課后題答案匯總匯總

1、數(shù)據(jù)挖掘概念概念與技術(shù)DataMiningConceptsandTechniques習(xí)題答案第1章引言1.1 什么是數(shù)據(jù)挖掘？在你的回答中，針對以下問題：1.2 1.6定義下列數(shù)據(jù)挖掘功能：特征化、區(qū)分、關(guān)聯(lián)和相關(guān)分析、預(yù)測聚類和演變分析。使用你熟悉的現(xiàn)實生活的數(shù)據(jù)庫，給出每種數(shù)據(jù)挖掘功能的例子。解答：特征化是一個目標(biāo)類數(shù)據(jù)的一般特性或特性的匯總。例如，學(xué)生的特征可被提出，形成所有大學(xué)的計算機科學(xué)專業(yè)一年級學(xué)生的輪廓，這些特征包括作為一種高的年級平均成績（GPA：Gradepointaversge）的信息，還有所修的課程的最大數(shù)量。區(qū)分是將目標(biāo)類數(shù)據(jù)對象的一般特性與一個或多個對比類對象的一般特

2、性進行比較。例如，具有高GPA的學(xué)生的一般特性可被用來與具有低GPA的一般特性比較。最終的描述可能是學(xué)生的一個一般可比較的輪廓，就像具有高GPA的學(xué)生的75%是四年級計算機科學(xué)專業(yè)的學(xué)生，而具有低GPA的學(xué)生的65%不是。關(guān)聯(lián)是指發(fā)現(xiàn)關(guān)聯(lián)規(guī)則，這些規(guī)則表示一起頻繁發(fā)生在給定數(shù)據(jù)集的特征值的條件。例如，一個數(shù)據(jù)挖掘系統(tǒng)可能發(fā)現(xiàn)的關(guān)聯(lián)規(guī)則為：major（X,computingscience"）®owns（X,personalcomputer）support=12%,confidence=98%其中，X是一個表示學(xué)生的變量。這個規(guī)則指出正在學(xué)習(xí)的學(xué)生，12%（支持度）主修計算機科

3、學(xué)并且擁有一臺個人計算機。這個組一個學(xué)生擁有一臺個人電腦的概率是98%（置信度，或確定度）。分類與預(yù)測不同，因為前者的作用是構(gòu)造一系列能描述和區(qū)分?jǐn)?shù)據(jù)類型或概念的模型（或功能），而后者是建立一個模型去預(yù)測缺失的或無效的、并且通常是數(shù)字的數(shù)據(jù)值。它們的相似性是他們都是預(yù)測的工具：分類被用作預(yù)測目標(biāo)數(shù)據(jù)的類的標(biāo)簽，而預(yù)測典型的應(yīng)用是預(yù)測缺失的數(shù)字型數(shù)據(jù)的值。聚類分析的數(shù)據(jù)對象不考慮已知的類標(biāo)號。對象根據(jù)最大花蕾內(nèi)部的相似性、最小化類之間的相似性的原則進行聚類或分組。形成的每一簇可以被看作一個對象類。聚類也便于分類法組織形式，將觀測組織成類分層結(jié)構(gòu)，把類似的事件組織在一起。數(shù)據(jù)延邊分析描述和模型化隨

4、時間變化的對象的規(guī)律或趨勢，盡管這可能包括時間相關(guān)數(shù)據(jù)的特征化、區(qū)分、關(guān)聯(lián)和相關(guān)分析、分類、或預(yù)測，這種分析的明確特征包括時間序列數(shù)據(jù)分析、序列或周期模式匹配、和基于相似性的數(shù)據(jù)分析1.3 1.9列舉并描述說明數(shù)據(jù)挖掘任務(wù)的五種原語。解答：用于指定數(shù)據(jù)挖掘任務(wù)的五種原語是：任務(wù)相關(guān)數(shù)據(jù)：這種原語指明給定挖掘所處理的數(shù)據(jù)。它包括指明數(shù)據(jù)庫、數(shù)據(jù)庫表、或數(shù)據(jù)倉庫，其中包括包含關(guān)系數(shù)據(jù)、選擇關(guān)系數(shù)據(jù)的條件、用于探索的關(guān)系數(shù)據(jù)的屬性或維、關(guān)于修復(fù)的數(shù)據(jù)排序和分組。挖掘的數(shù)據(jù)類型：這種原語指明了所要執(zhí)行的特定數(shù)據(jù)挖掘功能，如特征化、區(qū)分、關(guān)聯(lián)、分類、聚類、或演化分析。同樣，用戶的要求可能更特殊，并可能提

5、供所發(fā)現(xiàn)的模式必須匹配的模版。這些模版或超模式（也被稱為超規(guī)則）能被用來指導(dǎo)發(fā)現(xiàn)過程。背景知識：這種原語允許用戶指定已有的關(guān)于挖掘領(lǐng)域的知識。這樣的知識能被用來指導(dǎo)知識發(fā)現(xiàn)過程，并且評估發(fā)現(xiàn)的模式。關(guān)于數(shù)據(jù)中關(guān)系的概念分層和用戶信念是背景知識的形式。模式興趣度度量：這種原語允許用戶指定功能，用于從知識中分割不感興趣的模式，并且被用來指導(dǎo)挖掘過程，也可評估發(fā)現(xiàn)的模式。這樣就允許用戶限制在挖掘過程返回的不感興趣的模式的數(shù)量，因為一種數(shù)據(jù)挖掘系統(tǒng)可能產(chǎn)生大量的模式。興趣度測量能被指定為簡易性、確定性、適用性、和新穎性的特征。發(fā)現(xiàn)模式的可視化：這種原語述及發(fā)現(xiàn)的模式應(yīng)該被顯示出來。為了使數(shù)據(jù)挖掘能有效

6、地將知識傳給用戶，數(shù)據(jù)挖掘系統(tǒng)應(yīng)該能將發(fā)現(xiàn)的各種形式的模式展示出來，正如規(guī)則、表格、餅或條形圖、決策樹、立方體或其它視覺的表示。1.4 1.13描述以下數(shù)據(jù)挖掘系統(tǒng)與數(shù)據(jù)庫或數(shù)據(jù)倉庫集成方法的差別：不耦合、松散耦合、半緊耦合和緊密耦合。你認(rèn)為哪種方法最流行，為什么？解答：數(shù)據(jù)挖掘系統(tǒng)和數(shù)據(jù)庫或數(shù)據(jù)倉庫系統(tǒng)的集成的層次的差別如下。不耦合：數(shù)據(jù)挖掘系統(tǒng)用像平面文件這樣的原始資料獲得被挖掘的原始數(shù)據(jù)集，因為沒有數(shù)據(jù)庫系統(tǒng)或數(shù)據(jù)倉庫系統(tǒng)的任何功能被作為處理過程的一部分執(zhí)行。因此，這種構(gòu)架是一種糟糕的設(shè)計。松散耦合：數(shù)據(jù)挖掘系統(tǒng)不與數(shù)據(jù)庫或數(shù)據(jù)倉庫集成，除了使用被挖掘的初始數(shù)據(jù)集的源數(shù)據(jù)和存儲挖掘結(jié)果。

7、這樣，這種構(gòu)架能得到數(shù)據(jù)庫和數(shù)據(jù)倉庫提供的靈活、高效、和特征的優(yōu)點。但是，在大量的數(shù)據(jù)集中，由松散耦合得到高可測性和良好的性能是非常困難的，因為許多這種系統(tǒng)是基于內(nèi)存的。半緊密耦合：一些數(shù)據(jù)挖掘原語，如聚合、分類、或統(tǒng)計功能的預(yù)計算，可在數(shù)據(jù)庫或數(shù)據(jù)倉庫系統(tǒng)有效的執(zhí)行，以便數(shù)據(jù)挖掘系統(tǒng)在挖掘-查詢過程的應(yīng)用。另外，一些經(jīng)常用到的中間挖掘結(jié)果能被預(yù)計算并存儲到數(shù)據(jù)庫或數(shù)據(jù)倉庫系統(tǒng)中，從而增強了數(shù)據(jù)挖掘系統(tǒng)的性能。緊密耦合：數(shù)據(jù)庫或數(shù)據(jù)倉庫系統(tǒng)被完全整合成數(shù)據(jù)挖掘系統(tǒng)的一部份，并且因此提供了優(yōu)化的數(shù)據(jù)查詢處理。這樣的話，數(shù)據(jù)挖掘子系統(tǒng)被視為一個信息系統(tǒng)的功能組件。這是一中高度期望的結(jié)構(gòu)，因為它有利

8、于數(shù)據(jù)挖掘功能、高系統(tǒng)性能和集成信息處理環(huán)境的有效實現(xiàn)。從以上提供的體系結(jié)構(gòu)的描述看，緊密耦合是最優(yōu)的，沒有值得顧慮的技術(shù)和執(zhí)行問題。但緊密耦合系統(tǒng)所需的大量技術(shù)基礎(chǔ)結(jié)構(gòu)仍然在發(fā)展變化，其實現(xiàn)并非易事。因此，目前最流行的體系結(jié)構(gòu)仍是半緊密耦合，因為它是松散耦合和緊密耦合的折中。1.5 1.14描述關(guān)于數(shù)據(jù)挖掘方法和用戶交互問題的三個數(shù)據(jù)挖掘挑戰(zhàn)。第2章數(shù)據(jù)預(yù)處理2.12.2假設(shè)給定的數(shù)據(jù)集的值已經(jīng)分組為區(qū)間。區(qū)間和對應(yīng)的頻率如下。5s»1-52005-1545015-2030020-50150050-807008011044計算數(shù)據(jù)的近似中位數(shù)值。解答：先判定中位數(shù)區(qū)間：N=200+

9、450+300+1500+700+44=3194;N/2=1597200+450+300=950<1597<2450=950+1500;2050對應(yīng)中位數(shù)區(qū)間。我們有：L1=20,N=3197,(Efreq)i=950,freqmedian=1500,width=30,使用公式(2.3):>：N/2、二freqi£U'3197/2950median=L1:width=20世、-30=32.97二.freqmediangT1500median=32.97歲。2.22.4假定用于分析的數(shù)據(jù)包含屬性age數(shù)據(jù)元組的age值(以遞增序)是：13,15,16,16,1

10、9,20,20,21,22,22,25,25,25,25,30,33,33,35,35,35,35,36,40,45,46,52,70。(a)該數(shù)據(jù)的均值是什么？中位數(shù)是什么？(b)該數(shù)據(jù)的眾數(shù)是什么？討論數(shù)據(jù)的峰(即雙峰、三峰等)。(c)數(shù)據(jù)的中列數(shù)是什么？(d)你能(粗略地)找出數(shù)據(jù)的第一個四分位數(shù)(Q1)和第三個四分位數(shù)(Q3)嗎?(e)給出數(shù)據(jù)的五數(shù)概括。畫出數(shù)據(jù)的盒圖。(g)分位數(shù)一分位數(shù)圖與分位數(shù)圖的不同之處是什么？解答：(a)該數(shù)據(jù)的均值是什么？中位數(shù)是什么？N均值是：X=年Xj=809/27=29.96E30(公式2.1)。中位數(shù)應(yīng)是第14NiJ個，即X14=25=Q2o這個數(shù)

11、集的眾數(shù)有(b)該數(shù)據(jù)的眾數(shù)是什么？討論數(shù)據(jù)的峰(即雙峰、三峰等)兩個：25和35,發(fā)生在同樣最高的頻率處，因此是雙峰眾數(shù)。數(shù)據(jù)的中列數(shù)是最大術(shù)和最小是的均值。即:(c)數(shù)據(jù)的中列數(shù)是什么？midrange=(70+13)/2=41.5(d)你能(粗略地)找出數(shù)據(jù)的第一個四分位數(shù)(Qi)和第三個四分位數(shù)(Q3)嗎？數(shù)據(jù)集的第一個四分位數(shù)應(yīng)發(fā)生在25%處，即在(N+1)/4=7處。所以：Qi=20o而第三個四分位數(shù)應(yīng)發(fā)生在75%處，即在3X(N+1)/4=21處。所以：Q3=35(e)給出數(shù)據(jù)的五數(shù)概括。一個數(shù)據(jù)集的分布的5數(shù)概括由最小值、第一個四分位數(shù)、中位數(shù)、第三個四分位數(shù)、和最大值構(gòu)成。它

12、給出了分布形狀良好的匯總，并且這些數(shù)據(jù)是：13、20、 25、35、70o畫出數(shù)據(jù)的盒略。(g)分位數(shù)一分位數(shù)圖與分位數(shù)圖的不同之處是什么？分位數(shù)圖是一種用來展示數(shù)據(jù)值低于或等于在一個單變量分布中獨立的變量的粗略百分比。這樣，他可以展示所有數(shù)的分位數(shù)信息，而為獨立變量測得的值(縱軸)相對于它們的分位數(shù)(橫軸)被描繪出來。但分位數(shù)一分位數(shù)圖用縱軸表示一種單變量分布的分位數(shù)，用橫軸表示另一單變量分布的分位數(shù)。兩個坐標(biāo)軸顯示它們的測量值相應(yīng)分布的值域，且點按照兩種分布分位數(shù)值展示。一條線(y=x)可畫到圖中，以增加圖像的信息。落在該線以上的點表示在y軸上顯示的值的分布比x軸的相應(yīng)的等同分位數(shù)對應(yīng)的值

13、的分布高。反之，對落在該線以下的點則低。20.3 2.7使用習(xí)題2.4給出的age數(shù)據(jù)回答下列問題：(a)使用分箱均值光滑對以上數(shù)據(jù)進行光滑，箱的深度為3。解釋你的步驟評述對于給定的數(shù)據(jù)，該技術(shù)的效果。(b)如何確定數(shù)據(jù)中的離群點？(c)對于數(shù)據(jù)光滑，還有哪些其他方法？解答：(a)使用分箱均值光滑對以上數(shù)據(jù)進行光滑，箱的深度為3。解釋你的步驟評述對于給定的數(shù)據(jù)，該技術(shù)的效果。用箱深度為3的分箱均值光滑對以上數(shù)據(jù)進行光滑需要以下步驟：步驟1:對數(shù)據(jù)排序。(因為數(shù)據(jù)已被排序，所以此時不需要該步驟。)步驟2:將數(shù)據(jù)劃分到大小為3的等頻箱中。箱1:13,15,16箱2:16,19,20箱3:20,21

14、,22箱4：22,25,25箱5：25,25,30箱6：33,33,35箱7:35,35,35箱8:36,40,45箱9:46,52,70步驟3:計算每個等頻箱的算數(shù)均值。步驟4:用各箱計算出的算數(shù)均值替換每箱中的每個值。箱1：44/3,44/3,44/3箱2:55/3,55/3,55/3箱3:21,21,21箱4：24,24,24箱5：80/3,80/3,80/3箱6：101/3,101/3,101/3箱7:35,35,35箱8:121/3,121/3,121/3箱9:56,56,56(b)如何確定數(shù)據(jù)中的離群點？聚類的方法可用來將相似的點分成組或“簇”，并檢測離群點。落到簇的集外的值可以被

15、視為離群點。作為選擇，一種人機結(jié)合的檢測可被采用，而計算機用一種事先決定的數(shù)據(jù)分布來區(qū)分可能的離群點。這些可能的離群點能被用人工輕松的檢驗，而不必檢查整個數(shù)據(jù)集。(c)對于數(shù)據(jù)光滑，還有哪些其他方法？其它可用來數(shù)據(jù)光滑的方法包括別的分箱光滑方法，如中位數(shù)光滑和箱邊界光滑。作為選擇，等寬箱可被用來執(zhí)行任何分箱方式，其中每個箱中的數(shù)據(jù)范圍均是常量。除了分箱方法外，可以使用回歸技術(shù)擬合成函數(shù)來光滑數(shù)據(jù)，如通過線性或多線性回歸。分類技術(shù)也能被用來對概念分層，這是通過將低級概念上卷到高級概念來光滑數(shù)據(jù)。20.4 2.10如下規(guī)范化方法的值域是什么？(a) min-max規(guī)范化。(b) z-score規(guī)范

16、化。(c)小數(shù)定標(biāo)規(guī)范化。解答：(c) min-max規(guī)范化。值域是new_min,new_max。(b)z-score規(guī)范化。值域是(old_min-mean)/電(old_maxmean)/d,總的來說,對于所有可能的數(shù)據(jù)集的值域是(00,+°0(c)小數(shù)定標(biāo)規(guī)范化。值域是(1.0,1.0)O20.5 2.12使用習(xí)題2.4給出的age數(shù)據(jù)，回答以下問題：(a)使用min-max規(guī)范化將age值35變換到0.0,1.0區(qū)間。(b)使用z-score規(guī)范化變換age值35,其中age的標(biāo)準(zhǔn)差為12.94歲(c)使用小數(shù)定標(biāo)規(guī)范化變換age值35。(d)對于給定的數(shù)據(jù)，你愿意使用哪種

17、方法？陳述你的理由。解答：(a)使用min-max規(guī)范化將age值35變換到0.0,1.0區(qū)間。mina=13,maxA=70,new_mina=0.0,new_maxA=1.0,而v=35,new_maxanew_mina)+new_mina35“131.0-0.00.0=0.386070'-13(b)使用z-score規(guī)范化變換age值35,其中age的標(biāo)準(zhǔn)差為12.94歲。131521619220212-22425A二2730.233.435.36.40.4546.52702780927=29.9632bAN_'?1(Ai-A=1:161.2949，(TAbA=12.70

18、02im、二A-A=167,4986,s2二Sa=12,9421v=35_5.037一12,7002=0.3966H0.400v.、二A35129.963a12.7002,v、A35129.9635.037Vs'=0.3892H0.39Sa12.942112.9421(c)使用小數(shù)定標(biāo)規(guī)范化變換age值35由于最大的絕對值為70,所以j=2ov'=_v_=拒=03510j102.(d)對于給定的數(shù)據(jù)，你愿意使用哪種方法？陳述你的理由。略。20.6 2.14假設(shè)12個銷售價格記錄組已經(jīng)排序如下：5,10,11,13,15,35,50,55,72,92,204,215。使用如下每種

19、方法將其劃分成三個箱。(a)等頻(等深)劃分。(b)等寬劃分。(c)聚類。解答：(a)等頻(等深)劃分。bin15,10,11,13bin115,35,50,55(b)等寬劃分。bin172,91,204,215每個區(qū)間的寬度是：(215-5)/3=70bin15,10,11,13,15,35,50,55,72bin191bin1204,215(c)聚類。我們可以使用一種簡單的聚類技術(shù)：用2個最大的間隙將數(shù)據(jù)分成3個箱。bin15,10,11,13,15bin135,50,55,72,91bin1204,21520.7 2.15使用習(xí)題2,4給出的age數(shù)據(jù)，(a)畫出一個等寬為10的等寬直方

20、圖；(b)為如下每種抽樣技術(shù)勾畫例子：SRSWOR,SRSWR,聚類抽樣，分層抽樣。使用大小為5的樣本和層“青年”，“中年”和“老年”。解答：(a)畫出一個等寬為10的等寬直方圖；L011111'152535455565(b)為如下每種抽樣技術(shù)勾畫例子：SRSWOR,SRSWR,聚類抽樣，分層抽樣。使用大小為5的樣本和層“青年”，“中年”和“老年”。元組:Ti13T1022T1935T215T1125T2035T316T1225T2135T416T1325T2236T519T1425T2340T620T1530T2445T720T1633T2546T821T1733T2652T922T

21、1835T2770SRSWOR和SRSWR:不是同次的隨機抽樣結(jié)果可以不同，但前者因無放回所以不能有相同的元組。SRSWOR(n=5)SRSWR(n=5)T416T720T620T720T1022T2035T1125T2135T2652T2546聚類抽樣：設(shè)起始聚類共有6類，可抽其中的m類。Sample1Sample2Sample3Sample4Sample5Sample6Ti13T620T1125T1633T2135T2652T215T720T1225T1733T2236T2770T316T821T1325T1835T2340T416T922T1425T1935T2445T519T1022T

22、1530T2035T2546Sample2Sample5T620T2135T720T2236T821T2340T922T2445T1022T2546分層抽樣：按照年齡分層抽樣時，不同的隨機試驗結(jié)果不同Ti13youngT1022youngT1935middleageT215youngT1125youngT2035middleageT316youngT1225youngT2135middleageT416youngT1325youngT2236middleageT519youngT1425youngT2340middleageT620youngT1530middleageT2445middlea

23、geT720youngT1633middleageT2546middleageT821youngT1733middleageT2652middleageT922youngT1835middleageT2770seniorT416youngT1225youngT1733middleageT2546middleageT2770Senior2.855555555555555555555555555第3章數(shù)據(jù)倉庫與OLAP技術(shù)概述3.1 3.4假定BigUniversity的數(shù)據(jù)倉庫包含如下4個維：student(student_name,area_id,major,status,university

24、),course(course_name,department),semester(semester,year)和instructor(dept,rank)；2個度量：count和avg_grade。在最低概念層，度量avg_grade存放學(xué)生的實際課程成績。在較高概念層，avg_grade存放給定組合的平均成績。(a)為該數(shù)據(jù)倉庫畫出雪花形模式圖。(b)由基本方體student,course,semester,instructor開始，為歹U出BigUniversity每個學(xué)生的CS課程的平均成績，應(yīng)當(dāng)使用哪些特殊的OLAP操作。(c)如果每維有5層(包括all)，如“student<

25、major<status<university<all",該立方體包含多少方體？解答：a)為該數(shù)據(jù)倉庫畫出雪花形模式圖。雪花模式如圖所示。b) 由基本方體student,course,semester,instructor開始，為歹U出BigUniversity每個學(xué)生的CS課程的平均成績，應(yīng)當(dāng)使用哪些特殊的OLAP操作。這些特殊的聯(lián)機分析處理(OLAP)操作有：1. 沿課程(course)維從course_id”上卷"至1Jdepartmentoii.沿學(xué)生(student)維從student_id”上卷"至1Juniversity。iii.取

26、department="CS"和university="BigUniversity”,沿課程(course)維和學(xué)生(student)維切片。iv.沿學(xué)生(student)維從university下鉆至Ustudent_name。c) 如果每維有5層(包括all),如“student<major<status<university<all",該立方體包含多少方體？這個立方體將包含54=625個方體。course維表univ事實表student維表題3.4圖題3.4中數(shù)據(jù)倉庫的雪花形模式第四章4.1 2008-11-294.2 有幾

27、種典型的立方體計算方法，4.3 題4.12考慮下面的多特征立方體查詢：按item,region,month)的所有子集分組，對每組找出2004年的最小貨架壽命，并對價格低于100美元、貨架壽命在最小貨架壽命的1.251.5倍之間的元組找出總銷售額部分。d)畫出該查詢的多特征立方體圖。e)用擴充的SQL表示該查詢。f)這是一個分布式多特征立方體嗎？為什么？解答：(a)畫出該查詢的多特征立方體圖。R0-R1(>4.4 5*min(shelf)and£1.5*min(shelf)(b)用擴充的SQL表示該查詢。selectitem,region,month,Min(shelf),SU

28、M(R1)fromPurchasewhereyear=2004cubebyitem,region,month:R1suchthatR1.shelf閆.25*MIN(Shelf)and(R1.Shelf<1.5*MIN(Shelf)andR1.Price<100(c)這是一個分布式多特征立方體嗎？為什么？這不是一個分布多特征立方體，因為在“suchthat”語句中采用了y條件。4.42008-11-294.52008-11-29第五章5.1 Apriori算法使用子集支持度性質(zhì)的先驗知識。5.2 5.2.2節(jié)介紹了由頻繁項集產(chǎn)生關(guān)聯(lián)規(guī)則的方法。提出了一個更有效的方法。解釋它為什么比5

29、.2.2節(jié)的方法更有效。(提示：考慮將習(xí)題5.1(b)和習(xí)題5.1(c)的性質(zhì)結(jié)合到你的設(shè)計中。)5.3數(shù)據(jù)庫有5個事物。設(shè)min_sup=60%,min_conf=80。TID購買的商品T100M,O,N,K,E,YT200D,O,N,K,E,YT300M,A,K,ET400M,U,C,K,YT500C,O,O,K,I,Eg)分別使用Apriori和FP增長算法找出所有的頻繁項集。比較兩種挖掘過程的效率。h)列舉所有與下面的的元規(guī)則匹配的強關(guān)聯(lián)規(guī)則(給出支持度s和置信度c),其中，X是代表顧客的變量，item是表示項的變量(如“A”、“B”等)：xgransaction,buys(X,ite

30、m1)Abuys(X,item2)®buys(X,item3)s,c解答：(a)分別使用Apriori和FP增長算法找出所有的頻繁項集。比較兩種挖掘過程的效率。Apriori算法：由于只有5次購買事件，所以絕對支持度是5xmin_sup=3YM3/IMO1/：O3-OCI:MK3女'N2=o'MELOO2gK5sIM3/F|4V產(chǎn)oOTMK3/:E400：O3°°“VIYr：OK3°°OCIOK38oOYOKE3/C1=*Y3ML1=*K5=oC2=00L2='OE3°oC3=*27:D產(chǎn)EQO4f，OEF3的

31、:KE4比妒丫00QY2s，A1ooY3COKY300*KE4co:U1Fcoon,KY3一c200CO<IVNEY2號L3=Oke31FP-growth：數(shù)據(jù)庫的第一次掃描與Apriori算法相同，得到Li。再按支持度計數(shù)的遞減序排序，得到：L=(K:5),(E:4),(M:3),(O:3),(Y:3)。掃描沒個事務(wù)，按以上L的排序，從根節(jié)點開始，得到FP-樹。項條件模式基條件FP樹產(chǎn)生的頻繁模式Y(jié)K,E,M,O:1,K,E,O:1,K,M:1K:3K,Y：3OK,E,M:1,K,E:2K:3,E:3K,O:3,E,O:3,K,E,O:3MK,E:2,K:1K:3K,M:3EK：4K:

32、4K,E:4效率比較：Apriori算法的計算過程必須對數(shù)據(jù)庫作多次掃描，而FP-增長算法在構(gòu)造過程中只需掃描一次數(shù)據(jù)庫，再加上初始時為確定支持度遞減排序的一次掃描，共計只需兩次才3描。由于在Apriori算法中的自身連接過程產(chǎn)生候選項集，候選項集產(chǎn)生的計算彳價非常高，而FP-增長算法不需產(chǎn)生任何候選項。(b)列舉所有與下面的的元規(guī)則匹配的強關(guān)聯(lián)規(guī)則(給出支持度s和置信度c),其中，X是代表顧客的變量，item是表示項的變量(如"A”、“B”等)：x端ransaction,buys(X,"K")Abuys(X,"O")®buys(X,

33、"E")s=0.6,c=1transaction,buys(X,"E")Abuys(X,"E")®buys(X,"K")s=0.6,c=1或也可表示為K,O-Es(support)=0.6或60%,c(confidence)=1或100%E,O-Ks(support)=0.6或60%,c(confidence)=1或100%5.4(實現(xiàn)項目)使用你熟悉的程序設(shè)計語言(如C+或Java),實現(xiàn)本章介紹的三種頻繁項集挖掘算法：第6章分類和預(yù)測6.1簡述決策樹分類的主要步驟。6.26.11下表由雇員數(shù)據(jù)庫的訓(xùn)練

34、數(shù)據(jù)組成。數(shù)據(jù)已泛化。例如，age"31,35”表示年齡在3135之間。對于給定的行，count表示department,status,age和salary在該行具有給定值的元組數(shù)。departmentstatusagesalarycountsalessenior31,3546K,50K30salesjunior26,3026K,30K40salesjunior31,3531K,35K40systemsjunior21,2546K,50K20systemssenior31,3566K,70K5systemsjunior26,3046K,50K3systemssenior41,4566

35、K,70K3marketingsenior36,4046K,50K10marketingjunior31,3541K,45K4secretarysenior46,5036K,40K4secretaryjunior26,3026K,30K6i)如何修改基本決策樹算法，以便考慮每個廣義數(shù)據(jù)元組(即每一行)的count?j)使用修改過的算法，構(gòu)造給定數(shù)據(jù)的決策樹。k)給定一個數(shù)據(jù)元組，它的屬性department,age和salary的值分別為"systems","26,30",和"46K,50K”。該元組status的樸素貝葉斯分類是什么？I)為給

36、定的數(shù)據(jù)設(shè)計一個多層前饋神經(jīng)網(wǎng)絡(luò)。標(biāo)記輸入和輸出層節(jié)點。m)使用上面得到的多層前饋神經(jīng)網(wǎng)絡(luò)，給定訓(xùn)練實例(sales,senior,31,35,46K,50K),給出后向傳播算法一次迭代后的權(quán)重值。指出解答：你使用的初始權(quán)重和偏倚以及學(xué)習(xí)率。(a)如何修改基本決策樹算法，以便考慮每個廣義數(shù)據(jù)元組(即每一行)的count?(b)使用修改過的算法，構(gòu)造給定數(shù)據(jù)的決策樹。(c)給定一個數(shù)據(jù)元組，它的屬性department,age和salary的值分別為“systems”，“26,30”，和“46K,50K”。該元組status的樸素貝葉斯分類是什么？解一：設(shè)元組的各個屬性之間相互獨立，所以先求每個屬性的類條件概率：P(systems|junior)=