數(shù)據(jù)挖掘概念與技術(shù)原書第3版第一章課后習(xí)題

1、什么是數(shù)據(jù)挖掘在你的回答中，強(qiáng)調(diào)以下問(wèn)題：(a)它是又一種廣告宣傳嗎(b)它是一種從數(shù)據(jù)庫(kù)、統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)和模式識(shí)別發(fā)展而來(lái)的技術(shù)的簡(jiǎn)單轉(zhuǎn)換或應(yīng)用 嗎(c)我們提出了一種觀點(diǎn)，說(shuō)數(shù)據(jù)挖掘是數(shù)據(jù)庫(kù)技術(shù)進(jìn)化的結(jié)果。你認(rèn)為數(shù)據(jù)挖掘也是機(jī) 器學(xué)習(xí)研究進(jìn)化的結(jié)果嗎你能基于該學(xué)科的發(fā)展歷史提出這一觀點(diǎn)嗎針對(duì)統(tǒng)計(jì)學(xué)和模式識(shí) 別領(lǐng)域，做相同的事。(d)當(dāng)把數(shù)據(jù)挖掘看做知識(shí)發(fā)現(xiàn)過(guò)程時(shí)，描述數(shù)據(jù)挖掘所涉及的步驟。答：簡(jiǎn)單地說(shuō)，數(shù)據(jù)挖掘其實(shí)就是從大量的數(shù)據(jù)中發(fā)現(xiàn)有用的信息，它是從大量數(shù)據(jù) 的結(jié)果，而不是一種廣告宣傳。 換或應(yīng)用，它涉及到了很多領(lǐng)域的技術(shù)，比如統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)、模式識(shí)別、數(shù)據(jù)庫(kù)和數(shù)據(jù) 倉(cāng)庫(kù)、信息檢索

2、、可視化、神經(jīng)網(wǎng)絡(luò)、高性能計(jì)算、算法以及許多應(yīng)用領(lǐng)域的大量技術(shù)。數(shù)據(jù)挖掘起始于 20 世紀(jì)下半葉，是在當(dāng)時(shí)多個(gè)學(xué)科發(fā)展的基礎(chǔ)上發(fā)展起來(lái)的。隨著數(shù) 巨大進(jìn)展，進(jìn)入了機(jī)器學(xué)習(xí)的階段，人們就將兩者結(jié)合起來(lái)，用數(shù)據(jù)庫(kù)管理系統(tǒng)存儲(chǔ)數(shù)據(jù)， 研究進(jìn)化的結(jié)果，而是結(jié)合了機(jī)器學(xué)。數(shù)據(jù)挖掘的步驟包括：(1)數(shù)據(jù)收集；(2)數(shù)據(jù)清洗、脫敏；(3)數(shù)據(jù)存儲(chǔ)；(4) 數(shù)據(jù)分析；(5)數(shù)據(jù)可視化。數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)庫(kù)有何不同他們有哪相似之處 個(gè)數(shù)據(jù)存儲(chǔ)，出于分析性報(bào)告和決策支持目的而創(chuàng)建。不同處：(1)數(shù)據(jù)庫(kù)是面向事務(wù)的設(shè)計(jì)，數(shù)據(jù)倉(cāng)庫(kù)是面向主題設(shè)計(jì)的。(2)數(shù)據(jù)庫(kù)一般存儲(chǔ)在線交易數(shù)據(jù)，數(shù)據(jù)倉(cāng)庫(kù)存儲(chǔ)的一般是歷史數(shù)據(jù)。(3)數(shù)據(jù)

3、庫(kù)設(shè)計(jì)是盡量避免冗余，數(shù)據(jù)倉(cāng)庫(kù)在設(shè)計(jì)是有意引入冗余。(4)數(shù)據(jù)庫(kù)是為捕獲數(shù)據(jù)而設(shè)計(jì)，數(shù)據(jù)倉(cāng)庫(kù)是為分析數(shù)據(jù)而設(shè)計(jì)。相似處：兩者都是數(shù)據(jù)的集合。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)性分析、分類、回歸、聚類、離群點(diǎn)分 析。使用你熟悉的現(xiàn)實(shí)生活中的數(shù)據(jù)庫(kù)，給出每種數(shù)據(jù)挖掘功能的例子 結(jié)果可能會(huì)高分段成績(jī)信息，是否掛科等信息。區(qū)分：將目標(biāo)類數(shù)據(jù)對(duì)象的一般特性與一個(gè)或多個(gè)對(duì)比類對(duì)象的一般特性進(jìn)行比較。 顧客 60%要么年齡太小要么年齡太大，沒(méi)有受過(guò)大學(xué)教育。 識(shí)。例如：超市將啤酒和尿不濕放到一起。 標(biāo)號(hào)。例如：學(xué)生的成績(jī)分為高等、中等、低等。 與用戶滿意度之間的因果關(guān)系。相似的 癥狀結(jié)合起來(lái)可能

4、預(yù)示一種特定的疾病。離群點(diǎn)分析：數(shù)據(jù)集中可能包含一些數(shù)據(jù)對(duì)象，它們與數(shù)據(jù)的一般行為或模型不一致， 個(gè)消費(fèi)數(shù)額極大的賬號(hào)進(jìn)行離群點(diǎn)分析，可能發(fā)現(xiàn)信用卡詐騙。 分析得到嗎答：如淘寶網(wǎng)，需要根據(jù)消費(fèi)者的性別、年齡、職業(yè)、收入水平、興趣愛(ài)好等進(jìn)行關(guān) 覽的信息都非常多，如果僅僅通過(guò)簡(jiǎn)單的查詢處理或統(tǒng)計(jì)分析，是不能夠完成這項(xiàng)工作的。解釋區(qū)分和分類、特征化和類聚、分類和回歸的區(qū)別與相似處。(1)區(qū)分和分類的區(qū)別與相似處區(qū)別：區(qū)分是將目標(biāo)類數(shù)據(jù)對(duì)象的一般特性與一個(gè)或多個(gè)對(duì)比類對(duì)象的一般特性進(jìn)行比 相似處：都是都數(shù)據(jù)分析的方法(2)特征化和類聚的區(qū)別與相似處 在一起，而不是將其匯總在一起。相似處：處理的數(shù)據(jù)都要

5、是有相似之處的。(3)分類和回歸的區(qū)別與相似處 測(cè)類別是離散的、無(wú)序的標(biāo)號(hào)，而回歸是建立連續(xù)值函數(shù)模型。相似處：都是對(duì)數(shù)據(jù)進(jìn)行預(yù)測(cè)。 它需要一種不同于本章列舉的數(shù)據(jù)挖掘技術(shù)嗎答：建立一個(gè)周期性的知識(shí)類型，在不同的時(shí)間段，數(shù)據(jù)都會(huì)進(jìn)行更新，修改，變化 等，這個(gè)就需要一種新的數(shù)據(jù)挖掘技術(shù)。 離群點(diǎn)的方法，并討論哪種方法更可靠。(1)基于近鄰性的檢驗(yàn)方法，包括基于距離和基于密度的方法，如果一個(gè)人的信用卡 消費(fèi)情況與他近鄰的消費(fèi)情況差異太大，這說(shuō)明他是離群點(diǎn)。(2)基于類聚的方法，基于 人就是信用卡詐騙。描述三個(gè)關(guān)于數(shù)據(jù)挖掘方法和用戶交互問(wèn)題的數(shù)據(jù)挖掘挑戰(zhàn)。(1)數(shù)據(jù)挖掘的過(guò)程是高度交互的，用戶訪問(wèn)網(wǎng)

6、頁(yè)非常靈活，這就需要構(gòu)建靈活的用 戶界面和探索式挖掘環(huán)境。(2)結(jié)合背景知識(shí)：應(yīng)該把背景知識(shí)、約束、規(guī)則和關(guān)于所研究領(lǐng)域的其他信息結(jié)合 (3)數(shù)據(jù)挖掘結(jié)果的表示和可視化：數(shù)據(jù)挖掘系統(tǒng)如何生動(dòng)、靈活地提供數(shù)據(jù)挖掘結(jié) 果，使所發(fā)現(xiàn)的知識(shí)容易理解，也是數(shù)據(jù)挖掘的一大挑戰(zhàn)與挖據(jù)少量數(shù)據(jù)(例如，幾百個(gè)元祖的數(shù)據(jù)集合)相比，挖掘海量數(shù)據(jù)(例如，數(shù)十億個(gè)元 祖)的主要挑戰(zhàn)是什么(1)可伸縮性；在處理大量的數(shù)據(jù)時(shí)，必定要求算法等技術(shù)的可伸縮性。(2)高維性；隨著數(shù)據(jù)的不斷膨脹，數(shù)據(jù)的屬性也在不斷地增加，具有時(shí)間和空間分 量的數(shù)據(jù)集也趨向于高維度，這也需要數(shù)據(jù)分析的方法更加地復(fù)雜。(3)異種數(shù)據(jù)和復(fù)雜數(shù)據(jù)；隨州信息技術(shù)的不斷進(jìn)步，人們接觸的數(shù)據(jù)也越來(lái)越多樣 (4)數(shù)據(jù)的安全性也是挖掘海量數(shù)據(jù)的一大挑戰(zhàn)。概述在諸如流