2015數(shù)據(jù)挖掘技術(shù)試卷a卷-參考答案

1、12014~2015學(xué)年學(xué)年第二學(xué)期期末考試第二學(xué)期期末考試數(shù)據(jù)挖掘技術(shù)數(shù)據(jù)挖掘技術(shù)試卷（試卷（A卷）參考答案卷）參考答案使用班級(jí)使用班級(jí)1250411121314答題時(shí)間答題時(shí)間_120分鐘分鐘_一、填空題一、填空題（共（共10空每空每空1分，分，共10分）分）1.數(shù)據(jù)挖掘的任務(wù)：分類、聚類、回歸、關(guān)聯(lián)分析、離群點(diǎn)監(jiān)測、演化分析、序列模式。2.數(shù)據(jù)集的三個(gè)重要特性：_維度、稀疏性、分辨率。二、判斷題二、判斷題（共（共10小題小題每小題

2、每小題1分，共10分）分）判斷下列判斷下列3～7小題的描述是否正確？小題的描述是否正確？3.ID3算法不僅可以處理離散屬性，還可以處理連續(xù)屬性。（F）4.決策樹方法通常用于關(guān)聯(lián)規(guī)則挖掘。（F）5.先驗(yàn)原理可以表述為，一個(gè)頻繁項(xiàng)集的任一子集也應(yīng)該是頻繁的。（T）6.Clementine是IBM公司的專業(yè)級(jí)數(shù)據(jù)挖掘軟件。（T）7.具有較高的支持度的項(xiàng)集具有較高的置信度。（F）判斷下列判斷下列8～12小題的描述是否屬于數(shù)據(jù)挖掘任務(wù)？小題的描述

3、是否屬于數(shù)據(jù)挖掘任務(wù)？8.利用歷史數(shù)據(jù)預(yù)測公司將來的股價(jià)。（T）9.監(jiān)測病人心率的異常變化。(F)10.監(jiān)測地震活動(dòng)的地震波。(F)11.提取聲波的頻率。(F)12.根據(jù)顧客喜好擺放商品位置。（T）三、簡答題（三、簡答題（6個(gè)小題，每小題個(gè)小題，每小題5分，共分，共30分）分）13.什么是信息熵？答：信息熵(entropy)是用來度量一個(gè)屬性的信息量（1分）。假定S為訓(xùn)練集，S的目標(biāo)屬性C具有m個(gè)可能的類標(biāo)號(hào)值，C=C1C2…Cm，假定

4、訓(xùn)練集S中，Ci在所有樣本中出現(xiàn)的頻率為(i=123…m)，則該訓(xùn)練集S所包含的信息熵定義為：（3分）熵越小表示樣本對(duì)目標(biāo)屬性的分布越純，反之熵越大表示樣本對(duì)目標(biāo)屬性分布越混亂。（1分）14什么是文本挖掘？答：文本挖掘是一個(gè)對(duì)具有豐富語義的文本進(jìn)行分析，從而理解其所包含的內(nèi)容和意義的過程。（2分）對(duì)其進(jìn)行深入的研究可以極大地提高人們從海量文本數(shù)據(jù)中提取信息的能力，具有很高的商業(yè)價(jià)值。（1分）包括分詞、文本表示、文本特征選擇、文本分類、文

5、本聚類、文檔自動(dòng)摘要等內(nèi)容。（2分）15.什么是主成份分析？答：主成份分析（PCA）是一種用于連續(xù)屬性的線性變換技術(shù)，找出新的屬性（主成份），（1分）這些新屬性是原屬性的線性組合，（1分）是相互正交的，（1分）使得原來數(shù)據(jù)投影到較小的集合中，并且捕獲數(shù)據(jù)的最大變差。（1分）PCA通常揭示先前未曾覺察的聯(lián)系，解釋不尋常的結(jié)果。（1分）16.簡述k最近鄰算法過程。答：KNN分類算法的基本描述如下:算法名：KNN輸入：最近鄰數(shù)目K，訓(xùn)練集D，

6、測試集Z（1分）輸出：對(duì)測試集Z中所有測試樣本預(yù)測其類標(biāo)號(hào)值（1分）(1)f每個(gè)測試樣本（1分）do(2)計(jì)算z和每個(gè)訓(xùn)練樣本之間的距離（1分）(3)選擇離z最近的k最近鄰集合（1分）(4)返回中樣本的多數(shù)類的類標(biāo)號(hào)（1分）(5)endf17.簡述Aprii算法原理。答：Aprii性質(zhì)：一個(gè)項(xiàng)集是頻繁的，那么它的所有子集都是頻繁的。（1分）一個(gè)項(xiàng)集的支持度不會(huì)超過其任何子集的支持度。（1分）該算法采用逐層的方法找出頻繁項(xiàng)集，（1分）首先

7、找出1頻繁項(xiàng)集，通過迭代方法利用頻繁k1項(xiàng)集生成k候選項(xiàng)集，（1分）掃描數(shù)據(jù)庫后從候選k項(xiàng)集中指出頻繁k項(xiàng)集，直到生成的候選項(xiàng)集為空。（1分）18.什么是離群點(diǎn)？答：離群點(diǎn)是在數(shù)據(jù)集中偏離大部分?jǐn)?shù)據(jù)的數(shù)據(jù)，（2分）使人懷疑這些數(shù)據(jù)的偏離并非由隨機(jī)因素產(chǎn)生，（1分）而是產(chǎn)生于完全不同的機(jī)制。（2分）四、計(jì)算題四、計(jì)算題（共（共2題每小題每小題20分，共40分）分）1221()(...)logmmiiiEntropySEntropypppp

8、p?????()zxyZ??()xyD?zDD?()dxxzD3根據(jù)Bayes定理，P(Y=y|X)=P(X|Y=y)P(Y=y)=P(x1|Y=y)P(x2|Y=y)P(x3|Y=y)P(x4|Y=y)P(Y=y)（2分）這里，P(x1|Y=y)=P(x1=下雨|Y=y)=36（1分）P(x2|Y=y)=P(x2=高|Y=y)=16（1分）P(x3|Y=y)=P(x3=中等|Y=y)=46（1分）P(x4|Y=y)=P(x4=微風(fēng)|Y

9、=y)=56（1分）P(Y=y)=610（1分）因此，P(Y=y|X)=36164656610=136（1分）同理，計(jì)算P(Y=n|X)=P(X|Y=n)P(Y=n)=P(x1|Y=n)P(x2|Y=n)P(x3|Y=n)P(x4|Y=n)P(Y=n)（1分）其中，P(x1|Y=n)=P(x1=下雨|Y=n)=14（1分）P(x2|Y=n)=P(x2=高|Y=n)=24（1分）P(x3|Y=n)=P(x3=中等|Y=n)=14（1分）P

10、(x4|Y=n)=P(x4=微風(fēng)|Y=n)=24（1分）P(Y=n)=410（1分）因此，P(Y=n|X)=14241424410=1160（1分）因?yàn)镻(Y=y|X)P(Y=n|X)，故氣候狀況為雨天，高溫，濕度中等，微風(fēng)時(shí)，戶外運(yùn)動(dòng)應(yīng)為適合。（2分）五、應(yīng)用題五、應(yīng)用題（共（共1題，共題，共10分）分）21.你作為銀行信息中心工作人員，請(qǐng)闡述數(shù)據(jù)挖掘技術(shù)在銀行業(yè)務(wù)中的應(yīng)用，并寫出相關(guān)的數(shù)據(jù)分析流程。參考答案：利用數(shù)據(jù)預(yù)處理技術(shù)進(jìn)行數(shù)