數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘考試試題

中國(guó)礦業(yè)大學(xué)銀川學(xué)院期末考試試題2010至2011學(xué)年第2學(xué)期考試科目數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘?qū)W分2年級(jí)2008系機(jī)電動(dòng)力與信息工程系專業(yè)計(jì)算機(jī)一、填空題（15分）1。數(shù)據(jù)倉(cāng)庫(kù)的特點(diǎn)分別是面向主題、集成、相對(duì)穩(wěn)定、反映歷史變化。2。元數(shù)據(jù)是描述數(shù)據(jù)倉(cāng)庫(kù)內(nèi)數(shù)據(jù)的結(jié)構(gòu)和建立方法的數(shù)據(jù)。根據(jù)元數(shù)據(jù)用途的不同可將元數(shù)據(jù)分為技術(shù)元數(shù)據(jù)和業(yè)務(wù)元數(shù)據(jù)兩類。3。OLAP技術(shù)多維分析過(guò)程中，多維分析操作包括切片、切塊、鉆取、旋轉(zhuǎn)等。4?；谝蕾囆蛿?shù)據(jù)集市和操作型數(shù)據(jù)存儲(chǔ)的數(shù)據(jù)倉(cāng)庫(kù)體系結(jié)構(gòu)常常被稱為“中心和輻射”架構(gòu)，其中企業(yè)級(jí)數(shù)據(jù)倉(cāng)庫(kù)是中心，源數(shù)據(jù)系統(tǒng)和數(shù)據(jù)集市在輸入和輸出范圍的兩端。5.ODS實(shí)際上是一個(gè)集成的、面向主題的、可更新的、當(dāng)前值的、企業(yè)級(jí)的、詳細(xì)的數(shù)據(jù)庫(kù)，也叫運(yùn)營(yíng)數(shù)據(jù)存儲(chǔ)。二、多項(xiàng)選擇題（10分）6。在數(shù)據(jù)挖掘的分析方法中，直接數(shù)據(jù)挖掘包括（ACD）A分類B關(guān)聯(lián)A分類B關(guān)聯(lián)C估值D預(yù)言7。數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)ETL過(guò)程中，ETL軟件的主要功能包括（ABC）A數(shù)據(jù)抽取B數(shù)據(jù)轉(zhuǎn)換C數(shù)據(jù)加載D數(shù)據(jù)稽核8。數(shù)據(jù)分類的評(píng)價(jià)準(zhǔn)則包括（ABCD）A精確度B查全率和查準(zhǔn)率CF-MeasureD幾何均值9。層次聚類方法包括（BC）A劃分聚類方法B凝聚型層次聚類方法C分解型層次聚類方法D基于密度聚類方法10。貝葉斯網(wǎng)絡(luò)由兩部分組成,分別是（AD）A網(wǎng)絡(luò)結(jié)構(gòu)B先驗(yàn)概率C后驗(yàn)概率D條件概率表三、計(jì)算題（30分）11.一個(gè)食品連鎖店每周的事務(wù)記錄如下表所示,其中每一條事務(wù)表示在一項(xiàng)收款機(jī)業(yè)務(wù)中賣出的項(xiàng)目，假定supmin=40％，confmin=40％，minmin使用Apriori算法計(jì)算生成的關(guān)聯(lián)規(guī)則，標(biāo)明每趟數(shù)據(jù)庫(kù)掃描時(shí)的候選集和大項(xiàng)目集。（15分）事務(wù)項(xiàng)目事務(wù)項(xiàng)目T1面包、果凍、花生醬T4啤酒、面包T2面包、花生醬T5啤酒、牛奶T3面包、牛奶、花生醬解：（1）由1=｛面包、果凍、花生醬、牛奶、啤酒｝的所有項(xiàng)目直接產(chǎn)

生1-候選C[,計(jì)算其支持度，取出支持度小于sup?的項(xiàng)集，形成11min—頻繁集如下表所示：項(xiàng)集C1支持度項(xiàng)集L1支持度｛面包｝4/5｛面包｝4/5｛花生醬｝3/5｛花生醬｝3/5｛牛奶｝2/5｛牛奶｝2/5｛啤酒｝2/5｛啤酒｝2/5(2)組合連接L1中的各項(xiàng)目，產(chǎn)生2—候選集C2,計(jì)算其支持度，取出支持度小于supminmin的項(xiàng)集，形成2-頻繁集L2,如下表所示：項(xiàng)集c2支持度項(xiàng)集l2支持度｛面包、花生醬｝3/5｛面包、花生醬｝3/5至此,所有頻繁集都被找到,算法結(jié)束,所以，confidence(｛面包｝—｛花生醬｝)=(4/5)/(3/5)=4/3>conf.minconfminconfidence(｛花生醬｝f｛面包｝)=(3/5)/(4/5)=3/4confmin所以，關(guān)聯(lián)規(guī)則｛面包｝f｛花生醬｝、｛花生醬｝—｛面包｝均是強(qiáng)關(guān)聯(lián)規(guī)則。12。給定以下數(shù)據(jù)集(2,4,10,12,15,3,21)，進(jìn)行K—Means聚類,設(shè)定聚類數(shù)為2個(gè)，相似度按照歐式距離計(jì)算。(15分)解:（1）從數(shù)據(jù)集X中隨機(jī)地選擇k個(gè)數(shù)據(jù)樣本作為聚類的出示代表點(diǎn)，每一個(gè)代表點(diǎn)表示一個(gè)類別，由題可知k=2,則可設(shè)m]=2,m2=4：（2）對(duì)于X中的任意數(shù)據(jù)樣本x（1〈xvtotal）,計(jì)算它與k個(gè)初mm始代表點(diǎn)的距離，并且將它劃分到距離最近的初始代表點(diǎn)所表示的類別中：當(dāng)m1=2時(shí)，樣本（2，4，10，12，15，3，21）距離該代表點(diǎn)的距離分別為2，8，10，13，1，19.當(dāng)m2=4時(shí)，樣本（2，4，10，12，15，3，21）距離該代表點(diǎn)的距離分別為-2，6，8，11，—1，17.最小距離是1或者-1將該元素放入m1=2的聚類中，則該聚類為（2，3），另一個(gè)聚類m2=4為（4，10，12，15，21）。（3）完成數(shù)據(jù)樣本的劃分之后，對(duì)于每一個(gè)聚類，計(jì)算其中所有數(shù)據(jù)樣本的均值，并且將其作為該聚類的新的代表點(diǎn)，由此得到k個(gè)均值代表點(diǎn)：ml=2o5，m2=12:（4）對(duì)于X中的任意數(shù)據(jù)樣本xm（1〈xm〈total）,計(jì)算它與k個(gè)初始代表點(diǎn)的距離，并且將它劃分到距離最近的初始代表點(diǎn)所表示的類別中：當(dāng)m1=2.5時(shí)，樣本（2，4，10，12，15，3，21）距離該代表點(diǎn)的距離分別為-0。5,0.5,1o5,7.5,9o5,12.5,18。5.當(dāng)m2=12時(shí)，樣本（2,4,10,12,15,3,21）距離該代表點(diǎn)的距離分別為-10，-9，—8，2，3，9。最小距離是1。5將該元素放入m1=2.5的聚類中，則該聚類為（2，3，4），另一個(gè)聚類m2=12為（10，12，15，21）。（5）完成數(shù)據(jù)樣本的劃分之后，對(duì)于每一個(gè)聚類，計(jì)算其中所有數(shù)據(jù)樣本的均值，并且將其作為該聚類的新的代表點(diǎn),由此得到k個(gè)均值代表點(diǎn)：m]=3,m2=14。5：（6）對(duì)于X中的任意數(shù)據(jù)樣本xm（1〈xmvtotal）,計(jì)算它與k個(gè)初始代表點(diǎn)的距離,并且將它劃分到距離最近的初始代表點(diǎn)所表示的類別中：當(dāng)m1=3時(shí),樣本（2，4，10，12，15，3，21）距離該代表點(diǎn)的距離分別為—1，1，7，9，12,18，。當(dāng)m2=14。5時(shí)，樣本（2，4,10，12，15，3,21）距離該代表點(diǎn)的距離分別為—12。58，-11。5，-10.5，—4.5，—2。5,0。5，6.5.最小距離是0.5將該元素放入m1=3的聚類中，則該聚類為（2，3，4），另一個(gè)聚類m2=14。5為（10，12,15，21）.至此,各個(gè)聚類不再發(fā)生變化為止，即誤差平方和準(zhǔn)則函數(shù)的值達(dá)到最優(yōu).四．設(shè)計(jì)題（45分）13。按照題目給定的3個(gè)數(shù)據(jù)文件，任選一個(gè)建立數(shù)據(jù)流圖，要求至少包括記錄選項(xiàng)、字段選項(xiàng)、圖形結(jié)點(diǎn)各一個(gè)。任選關(guān)聯(lián)規(guī)則Apriori算法、貝葉斯網(wǎng)絡(luò)、K—Means聚類、決策樹C5.0（C4。5）算法、神經(jīng)網(wǎng)絡(luò)中的一個(gè)進(jìn)行挖掘，并給出數(shù)據(jù)流圖.（10分）

churnGhurnStchurnGhurnSt14。對(duì)以上數(shù)據(jù)流圖中使用的每個(gè)結(jié)點(diǎn)做一簡(jiǎn)短說(shuō)明.（10分）選擇：age〉25.過(guò)濾:過(guò)濾后的字段。Region,tenure,age，marital，churn.字段類型regiontenure1earu9-IharrcFlaFlEJF1HJ二一二二一■三一十日+邑2.3-72I.77.1J.1J字段類型regiontenure1earu9-IharrcFlaFlEJF1HJ二一二二一■三一十日+邑2.3-72I.77.1J.1JI8oO缺失方向'無(wú)無(wú)無(wú)無(wú)無(wú)\4flu.A.\輸A、輸入、輸永?輸出給出以上數(shù)據(jù)流圖中模型的執(zhí)行結(jié)果（生成模型完全展開后的數(shù)據(jù)），對(duì)于執(zhí)行結(jié)果太多的，可節(jié)選部分結(jié)果。（10分）

li^al】l于…于：‘于：+?。杭蒝-4>-尋占S=口口C日=31li^al】l于…于：‘于：+?。杭蒝-4>-尋占Ste-ri■_-!re-c：■曰::■r=a11=1r-1Cl—AI口口曰曰t-S=S5=對(duì)以上模型生成的結(jié)果做一簡(jiǎn)要的分析，包括算法采用的基本原理、數(shù)學(xué)模型、算法步驟等.(15分)答：k—means聚類算法基本原理：將各個(gè)聚類子集內(nèi)的所有數(shù)據(jù)樣本的均值作為該聚類的代表點(diǎn)，算法的主要思想是通過(guò)迭代過(guò)程把數(shù)據(jù)劃分為不同的類別，使得評(píng)價(jià)聚集類性能的準(zhǔn)則函數(shù)達(dá)到最優(yōu)，從而使生成的每個(gè)聚集類的緊湊，類間獨(dú)立。操作步驟：輸入：數(shù)據(jù)集，其中的數(shù)據(jù)樣本只包含描述屬性，不包含類別屬性。聚類個(gè)數(shù)K輸出：(1)從數(shù)據(jù)集X中隨機(jī)地選擇k個(gè)數(shù)據(jù)樣本作為聚類的出示代表點(diǎn)，每一個(gè)代表點(diǎn)表示一個(gè)類別(2)對(duì)于X中的任意數(shù)據(jù)樣本xm(1〈xmvtotal),計(jì)算它與k個(gè)初始代表點(diǎn)的距離，并且將它劃分到距離最近的初始代表點(diǎn)所表示的類別(3)完成數(shù)