數(shù)據(jù)挖掘_復(fù)習(xí)

1、一名詞解釋1 .數(shù)據(jù)挖掘：從大型數(shù)據(jù)庫的數(shù)據(jù)中提取人們感興趣的知識。決策樹：一個類似于流程圖的樹結(jié)構(gòu)，內(nèi)部節(jié)點(diǎn)表示一個屬性（取值）上的測試，其分支 代表每個結(jié)果；其每個葉子節(jié)點(diǎn)代表一個類別，樹的最高節(jié)點(diǎn)就是根節(jié)點(diǎn)。聚類：將物理或抽象對象的集合分組成為由類似的對象組成的多個類的過程。數(shù)據(jù)分類：從數(shù)據(jù)庫中發(fā)現(xiàn)數(shù)據(jù)對象的共性，并將數(shù)據(jù)對象分成不同的幾類的一個過程。維：透視或關(guān)于一個組織想要記錄的實(shí)體。多層次關(guān)聯(lián)規(guī)則：一個關(guān)聯(lián)規(guī)則的內(nèi)容涉及不同抽象層次的內(nèi)容。單層次關(guān)聯(lián)規(guī)則：一個關(guān)聯(lián)規(guī)則的內(nèi)容涉及單一個層次的內(nèi)容。局外者：數(shù)據(jù)庫中可能包含一些數(shù)據(jù)對象，它們與數(shù)據(jù)的一般行為或模型不一致。數(shù)據(jù)倉庫：一個面

2、向主體的、集成的、時變的、非易失的數(shù)據(jù)集合，支持管理過程的決 策制定。數(shù)據(jù)集市：數(shù)據(jù)倉庫的一個部門子集，它針對選定的主題，因此是部門范圍的。數(shù)據(jù)區(qū)別：將目標(biāo)類對象的一般特性與一個或多個對比類對象的一般特性比較。數(shù)據(jù)特征化：目標(biāo)類數(shù)據(jù)的一般特征或特性的匯總。噪聲數(shù)據(jù)：指數(shù)據(jù)中存在錯誤、異常（偏離期望值）的數(shù)據(jù)。不完整數(shù)據(jù)：感興趣的屬性沒有值。不一致數(shù)據(jù)：數(shù)據(jù)內(nèi)涵出現(xiàn)不一致的情況。數(shù)據(jù)清洗：消除數(shù)據(jù)中所存在的噪聲以及糾正其不一致的錯誤。數(shù)據(jù)集成：將來自多個數(shù)據(jù)源的數(shù)據(jù)合并到一起構(gòu)成一個完整的數(shù)據(jù)集。數(shù)據(jù)消減：通過刪除冗余特征或聚類消除多余數(shù)據(jù)。數(shù)據(jù)轉(zhuǎn)換：將一種格式的數(shù)據(jù)轉(zhuǎn)換為另一種格式的數(shù)據(jù)。分類

3、：預(yù)測分類標(biāo)號（或離散值），在分類屬性中的訓(xùn)練樣本集和值（類標(biāo)號）的基礎(chǔ)上分類，數(shù)據(jù)（建立模型）并使用它分類新數(shù)據(jù)。簇：是一組數(shù)據(jù)對象的集合（是由聚類所生成的）。數(shù)據(jù)源：是表明數(shù)據(jù)地址的聯(lián)機(jī)字符串?dāng)?shù)據(jù)源視圖：是一個抽象層們能夠讓用戶修改查看數(shù)據(jù)的方式，或者定義一個圖表并在 稍后轉(zhuǎn)換實(shí)際的源。一個圖表題填空：菜單欄、標(biāo)簽頁、解決方案資源管理器、屬性窗口、錯誤窗口、設(shè)計(jì) 窗口、設(shè)計(jì)標(biāo)簽。（順時針方向填寫）P82二.簡答題預(yù)測與分類的區(qū)別是什么？分類是預(yù)測數(shù)據(jù)對象的離散類別，預(yù)測是用于數(shù)據(jù)對象的連續(xù)取值數(shù)據(jù)分類由哪幾步過程組成？第一步，建立一個模型，描述指定的數(shù)據(jù)類集或概念集；第二步，使用模型進(jìn)行分

4、類。ID3算法的核心是什么？在決策樹各級節(jié)點(diǎn)上選擇屬性時，用信息增益作為屬性的選擇標(biāo)準(zhǔn)，以使得在每一個葉節(jié)點(diǎn) 進(jìn)行測試時能獲得關(guān)于被測試記錄最大的類別信息。為什么樸素貝葉斯分類稱為“樸素”的？簡述樸素貝葉斯分類的主要思想。樸素貝葉斯分類假定一個屬性值對給定類的影響?yīng)毩⒂谄渌鼘傩缘闹?。該假定稱作類條 件獨(dú)立。做此假定是為了簡化所需計(jì)算，并在此意義下稱為“樸素的”。設(shè)為一個類別未知的數(shù)據(jù)樣本，H為某個假設(shè)，若數(shù)據(jù)樣本X屬于一個特定的類別C， 分類問題就是決定P（HIX），即在獲得數(shù)據(jù)樣本X時假設(shè)成立的概率。神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)和缺點(diǎn)分別是什么？優(yōu)點(diǎn)：其對噪音數(shù)據(jù)的高承受能力，以及它對未經(jīng)過訓(xùn)練的數(shù)據(jù)的分

5、類能力。缺點(diǎn)：需要很長的訓(xùn)練時間，因而對于有足夠長訓(xùn)練時間的應(yīng)用更合適。典型的數(shù)據(jù)挖掘系統(tǒng)主要由哪幾部分組成？數(shù)據(jù)庫，數(shù)據(jù)倉庫或其他信息庫；數(shù)據(jù)庫或數(shù)據(jù)倉庫服務(wù)器；知識庫；數(shù)據(jù)挖掘引擎；圖形 用戶界面OLAP與OLTP的全稱分別是什么？它們兩者之間的區(qū)別是什么？聯(lián)機(jī)事務(wù)處理 OLTP (on-line transaction processing)；聯(lián)機(jī)分析處理 OLAP (on-line analytical processing)；OLTP和OLAP的區(qū)別：用戶和系統(tǒng)的面向性:OLTP面向顧客，而OLAP面向市場；數(shù)據(jù)內(nèi)容：OLTP系統(tǒng)管理當(dāng)前數(shù)據(jù)，而OLAP管理歷史的數(shù)據(jù)；數(shù)據(jù)庫設(shè)計(jì)：O

6、LTP系統(tǒng)采用實(shí)體-聯(lián)系(ER)模型和面向應(yīng)用的數(shù)據(jù)庫設(shè)計(jì)，而OLAP系統(tǒng)通常采用星形和雪花模型；視圖：OLTP系統(tǒng)主要關(guān)注一個企業(yè)或部門內(nèi)部的當(dāng)前數(shù)據(jù)，而OLAP系統(tǒng)主要關(guān)注匯總的 統(tǒng)一的數(shù)據(jù)；訪問模式：OLTP訪問主要有短的原子事務(wù)組成，而OLAP系統(tǒng)的訪問大部分是只讀操作，盡管許多可能是復(fù)雜的查詢。數(shù)據(jù)倉庫與數(shù)據(jù)集市的區(qū)別是什么？數(shù)據(jù)倉庫收集了關(guān)于整個組織的主題信息，因此是企業(yè)范圍的。對于數(shù)據(jù)倉庫，通常使用星座模式，因?yàn)樗軐Χ鄠€相關(guān)的主題建模；數(shù)據(jù)集市是數(shù)據(jù)倉庫的一個部門子集，它針對選定的主題，因此是部門范圍的。對于數(shù)據(jù)集 市，流行星型或雪花模式，因?yàn)樗鼈兌歼m合對單個主題建模。不完整數(shù)

7、據(jù)的產(chǎn)生原因有哪些？有些屬性的內(nèi)容有時沒有有些數(shù)據(jù)當(dāng)時被認(rèn)為是不必要的由于誤解或檢測設(shè)備失靈導(dǎo)致相關(guān)數(shù)據(jù)沒有記錄下來與其他記錄內(nèi)容不一致而被刪除歷史記錄或?qū)?shù)據(jù)的修改被忽略了。噪聲數(shù)據(jù)的產(chǎn)生原因有哪些？數(shù)據(jù)采集設(shè)備有問題在數(shù)據(jù)錄入過程中發(fā)生了人為或計(jì)算機(jī)錯誤數(shù)據(jù)傳輸過程中發(fā)生錯誤由于命名規(guī)則或數(shù)據(jù)代碼不同而引起的不一致。對遺漏數(shù)據(jù)有哪些處理方法？忽略該條記錄；手工填補(bǔ)遺漏值；利用默認(rèn)值填補(bǔ)遺漏值；利用均值填補(bǔ)遺漏值;利用同類別均值填補(bǔ)遺漏值；利用最可能的值填充遺漏值。數(shù)據(jù)消減的主要策略有哪些？數(shù)據(jù)立方合計(jì)；維數(shù)消減；數(shù)據(jù)壓縮；數(shù)據(jù)塊消減；離散化與概念層次生成。數(shù)據(jù)源對象可以創(chuàng)建幾種不同的安全認(rèn)

8、證選項(xiàng)？4種：使用特定用戶名和密碼；使用服務(wù)賬戶；使用當(dāng)前用戶的憑據(jù)；默認(rèn)值。數(shù)據(jù)挖掘?qū)垲惖牡湫鸵笥心男靠缮炜s性；處理不同類型屬性的能力；發(fā)現(xiàn)任意形狀的聚類；用于決定輸入?yún)?shù)的領(lǐng)域知識 最小化；處理“噪聲”數(shù)據(jù)的能力；對于輸入記錄的順序不敏感；高維度；基于約束的聚類。簡述下列聚類算法劃分方法：給定一個n個對象或元組的數(shù)據(jù)庫，一個劃分方法構(gòu)造數(shù)據(jù)的k個劃分，每個劃 分表示一個聚類，并且k n。層次方法：對給定數(shù)據(jù)對象集合進(jìn)行層次的分解。基于密度的方法：只要是臨近區(qū)域的密度超過某個閥值，就繼續(xù)聚類?；诰W(wǎng)格的方法：把對象空間量化為有限數(shù)目的單元?；谀Ｐ偷姆椒ǎ涸噲D優(yōu)化給定的數(shù)據(jù)和某些數(shù)學(xué)模

9、型之間的適應(yīng)性。三.計(jì)算題假定用于分析的數(shù)據(jù)包含屬性age。數(shù)據(jù)元組中age的值如下(按遞增序)：13,15,16,16,19,20,20,21,22,22,25,25,25,25,30,33,33,33,35,35,35,35,36,40,45,46,52,70使用按箱平均值平滑對以上數(shù)據(jù)進(jìn)行平滑，箱的深度為3。使用按箱邊界值平滑對以上數(shù)據(jù)進(jìn)行平滑，箱的深度為3。例題如下操作：* price 的排序后數(shù)據(jù)(美元):4, 8, 9, 15, 21, 21, 24, 25, 26, 28,29, 34*劃分為(等深的)箱：-箱 1: 4, 8, 9, 15-箱 2: 21, 21, 24, 25

10、-箱 3: 26, 28, 29, 34*用箱平均值平滑：-箱 1: 9, 9, 9, 9-箱 2: 23, 23, 23, 23-箱 3: 29, 29, 29, 29*用箱邊界值平滑：-Bin 1: 4, 4, 4, 15-Bin 2: 21, 21, 25, 25-Bin 3: 26, 26, 26, 342.使用以下age數(shù)據(jù)：13,15,16,16,19,20,20,21,22,22,25,25,25,25,30,33,33,33,35,35,35,35,36,40,45,46,52,70，回答以下問題：使用min-max規(guī)范化，將age值35轉(zhuǎn)換到0.0,1.0區(qū)間。使用z-sco

11、re規(guī)范化轉(zhuǎn)換age值35，其中，age的標(biāo)準(zhǔn)偏差為12.94年。使用小數(shù)定標(biāo)規(guī)范化轉(zhuǎn)換age值35。畫一個寬度為10的等寬的直方圖。例題如下操作：1.大最小規(guī)格化：規(guī)格化對原始數(shù)據(jù)進(jìn)行線性變換。假定min A和max A分別為屬性A的最小和最大值，最大最小規(guī)格化方法通過計(jì)算將A的 值v映射到區(qū)間new _minA，new _max A中的v。p - min:H) + Hniax- min H例3.1假定屬性income的最小與最大值分別為$12,000和$98,000。我們想映射income （income值為$73,600）到區(qū)間0, 1。73,600-12,000?1698,000-12,000零均值規(guī)格化：屬性A的值基于A的平均值和標(biāo)準(zhǔn)差規(guī)范化。A的值v被規(guī)范化為v，由下式計(jì)算：其中，A和a A分別為屬性A的平均值和標(biāo)準(zhǔn)差。當(dāng)屬性A的最大和最小值未知，或局外者左右了最小最大規(guī)格化時，該方法是有用的。A例3.=假定屬性income的平均值和標(biāo)準(zhǔn)差分別為$54,000和$16,000。使用零均值規(guī)格化方法，值$73,600被轉(zhuǎn)換為什么？7X600-54,00