數(shù)據(jù)挖掘-概念與技術(shù)習題解答

DataMiningConceptsandTechniquesJiaweiHan MichelineKamber 范明孟曉峰譯11.6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、預測聚征包括作為一種高的年級平均成績(GPA：Gradepointaversge的信息，區(qū)分是將目標類數(shù)據(jù)對象的一般特性與一個或多個對比類對象的一般GPA的學生的一般特性可被用來與具有GPA的一般特性比較。最終的描述可能是學生的一個一般可比較的輪廓，就像具有高GPA的學生的75%是四年級計算機科學專業(yè)的學生，GPA65%不是。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”) 其中，X98%（置信度，或確定度。或概念的模型（或功能，而后者是建立一個模型去預測缺失的或無效數(shù)據(jù)延邊分析描述和模型化隨時間變化的對象的規(guī)律或趨勢，盡管這可1.9列舉并描述說明數(shù)據(jù)挖掘任務(wù)的五種原語。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（也被稱為超規(guī)則）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1.142章數(shù)據(jù)預處理2.12.2∵∴20~50我們有：L120，N3197，(fq)l950，fqdian1500，wdt30，使用公式（2.3：

3197/2950medianL

width20

30

∴median=32.972.22.4ageage值（以遞增序）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x1NN

8092729.9630（2.1。中位數(shù)應(yīng)是第x14=25=Q2該數(shù)據(jù)的眾數(shù)是什么？討論數(shù)據(jù)的峰（即雙峰、三峰等這個數(shù)集的眾數(shù)有兩個：2535，發(fā)生在同樣最高的頻率處，因此是雙峰數(shù)據(jù)的中列數(shù)是最大術(shù)和最小是的均值。即：midrange=(70+13)/2=41.575%3×(N+1)/4=21處。所以：Q3=355數(shù)概括由最小值、第一個四分位數(shù)、中位數(shù)、第三個分位數(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兩種分布分位數(shù)值展示。一條線（yx）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的分布高。反之，對落在該線以下的點則低。2.32.72.4age3步驟1（23箱1：13，15，16 箱2：16，19，20 箱4：22，25，25 箱5：25，25，30 箱 箱 箱34箱1：44/3，44/3，44/3箱 箱箱 箱 箱箱 箱8：121/3，121/3，121/3箱2.42.10min-maxz-scoremin-max值域是[new_min,new_max]z-score值域是[(old_min－meanσ，(old_max－mean)/σ]，總的來說，對于所有可能2.52.122.4age使用min-maxage35變換到[0.0，1.0]z-score規(guī)范化變換age35，其中age12.94使用小數(shù)定標規(guī)范化變換age35使用min-maxage35變換到[0.0，1.0]∵minA=13，maxA=70，new_minA=0.0，new_maxA=1.0

new_

new_

35131.00.00.00.38607013z-score規(guī)范化變換age35，其中age12.94A1315216192202122243023343536404546528092

AA

161.2949，

sAs或s2 167.4986，s

v'vA3529.963

0.3966

或vs

vA

35

5.0370.3892使用小數(shù)定標規(guī)范化變換age35。70j=2。v'

10

2.62.141250，55，72，92，204，215等頻（等深）等頻（等深）每個區(qū)間的寬度是：(215-232.72.152.4age10為如下每種抽樣技術(shù)勾畫例子：SRSWOR，SRSWR，聚類抽樣，分層510 為如下每種抽樣技術(shù)勾畫例子：SRSWOR，SRSWR，聚類抽樣，分層56mmiddlemiddlemiddlemiddlemiddlemiddlemiddlemiddlemiddlemiddlemiddlemiddlemiddlemiddle2.83章數(shù)據(jù)倉庫與OLAPsudentstuden_nae,area_id,major,status,university)，course(course_name,department)，semester(semesteryearinstructor(dept,rank)；2個度量：countavg_grade。在最低概念層，度量avg_grade存放學生的實際課程成績。在較高概念層，avg_grade存放給定組合的平均成績。[student,course,semester,instructor]BigUniversity每個學生的CS課程的平均成績，應(yīng)當使用哪些特殊的OLAP操作。all，[studentcoursesemesterinstructorBigUniversityCSOLAP操作。這些特殊的聯(lián)機分析處理（OLAP）沿課程（course）course_iddepartment沿學生（student）student_iduniversitydepartment=“CSuniversity=“BigUniversity”，沿課程（course）維和學生（student）沿學生（student）universitystudent_name5（allstudent<major<status<university<all，54=625

studentstudent

3.43.44章數(shù)據(jù)立方體計算與數(shù)據(jù)泛化4.12008-11-4.12考慮下面的多特征立方體查詢：按{item，region，month}2004100美元、貨架1.25~1.5倍之間的元組找出總銷售額部分。SQLSQL item,region,month,Min(shelf),SUM(R1) cube item,region,month:suchthat R1.shelf≥1.25*MIN(Shelf)and(R1.Shelf≤1.5*MIN(Shelf)and這不是一個分布多特征立方體，因為在“suchthat”語句中采用了“≤”條2008-11-2008-11-5章挖掘頻繁模式、關(guān)聯(lián)和相關(guān)Apriori5.2.2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5.2.2節(jié)的方法更有效（5.1(b)5.1(c)數(shù)據(jù)庫有5個事物。設(shè)min_sup=60%，min_conf=80。 {M,O,N,K,E, {D,O,N,K,E, {M,A,K, {M,U,C,K, {C,O,O,K,I,AprioriFP增長算法找出所有的頻繁項集。比較兩種挖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A：AprioriFP增長算法找出所有的頻繁項集。比較兩種挖掘過Apriori55×min_sup=3 C LOKE

L1

C2

L2

C FP-growthAprioriL1。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LFP-樹。5.3FP條件FP效率比較：AprioriFP-增長算Apriori算法中的自身連接過程產(chǎn)生候選項集，候選項集產(chǎn)生的計算代價非常高，而FP-增長算法不需產(chǎn)生任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，如“A：xtransaction,buys(X,“E”)∧buys(X,“E”)buys(X,“K”)[s=0.6,K,O→E[s(support)=0.660%,c(confidence)=1100%]E,O→K[s(support)=0.660%,c(confidence)=1Java2008-12-2009-01-6章分類和預測count？department，agesalary的值分別為“systems26…3046K…50使用上面得到的多層前饋神經(jīng)網(wǎng)絡(luò)，給定訓練實例（sales，senior31…3546K…50K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）給定一個數(shù)據(jù)元組，它的屬性department，agesalary的值分別為“systems26…3046K…50K解一：P(46K-∵∴P(X|junior)=P(systems|junior)P(26-30|junior)P(46K-P(46K-∵∴P(X|senior)=P(systems|senior)P(26-30|senior)P(46K-∵∵∴P(X|junior)P(junior)=0.01796×0.68=0.0122128>0=0=P(X|senior)P(senior)；Xjunior類。所以已知：X=(department=system,age=26…30,salary=46K…50K)，元組總數(shù)status=senior當status=junior時，元組總數(shù)為：40+40+20+3+4+6=113status=seniorage=26