數據挖掘概念與技術第三版部分習題答案

1、1.4數據倉庫和數據庫有何不同？有哪些相似之處？數據倉庫和數據庫有何不同？有哪些相似之處？答：區(qū)別：數據倉庫是面向主題的，集成的，不易更改且隨時間變化的數據集合，用來支持管理人員的決策，數據庫由一組內部相關的數據和一組管理和存取數據的軟件程序組成，是面向操作型的數據庫，是組成數據倉庫的源數據。它用表組織數據，采用ER數據模型。相似：它們都為數據挖掘提供了源數據，都是數據的組合。1.31.3定義下列數據挖掘功能：特征化、區(qū)分、關聯和相關分

2、析、預測聚類和演變分析。使用你熟定義下列數據挖掘功能：特征化、區(qū)分、關聯和相關分析、預測聚類和演變分析。使用你熟悉的現實生活的數據庫，給出每種數據挖掘功能的例子。悉的現實生活的數據庫，給出每種數據挖掘功能的例子。答：特征化答：特征化是一個目標類數據的一般特性或特性的匯總。例如，學生的特征可被提出，形成所有大學的計算機科學專業(yè)一年級學生的輪廓，這些特征包括作為一種高的年級平均成績(GPA：Gradepointaversge)的信息，還有所

3、修的課程的最大數量。?區(qū)分區(qū)分是將目標類數據對象的一般特性與一個或多個對比類對象的一般特性進行比較。例如，具有高GPA的學生的一般特性可被用來與具有低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，而具有低GPA的學生的65%不是。?關聯關聯是指發(fā)現關聯規(guī)則，這些規(guī)則表示一起頻繁發(fā)生在給定數據集的特征值的條件。例如，一個數據挖掘系統可能發(fā)現的關聯規(guī)則為：maj

4、(X“computingscience”)?owns(X“personalcomputer”)[suppt=12%confidence=98%]其中，X是一個表示學生的變量。這個規(guī)則指出正在學習的學生，12%（支持度）主修計算機科學并且擁有一臺個人計算機。這個組一個學生擁有一臺個人電腦的概率是98%（置信度，或確定度）。?分類與預測分類與預測不同，因為前者的作用是構造一系列能描述和區(qū)分數據類型或概念的模型（或功能），而后者是建立一個模型

5、去預測缺失的或無效的、并且通常是數字的數據值。它們的相似性是他們都是預測的工具：分類被用作預測目標數據的類的標簽，而預測典型的應用是預測缺失的數字型數據的值。?聚類分析聚類分析的數據對象不考慮已知的類標號。對象根據最大花蕾內部的相似性、最小化類之間的相似性的原則進行聚類或分組。形成的每一簇可以被看作一個對象類。聚類也便于分類法組織形式，將觀測組織成類分層結構，把類似的事件組織在一起。?數據演變分析數據演變分析描述和模型化隨時間變化的對象

6、的規(guī)律或趨勢，盡管這可能包括時間相關數據的特征化、區(qū)分、關聯和相關分析、分類、或預測，這種分析的明確特征包括時間序列數據分析、序列或周期模式匹配、和基于相似性的數據分析2.32.3假設給定的數據集的值已經分組為區(qū)間。區(qū)間和對應的頻率如下。假設給定的數據集的值已經分組為區(qū)間。區(qū)間和對應的頻率如下。―――――――――――――――――――――――――――――――――――――年齡頻率―――――――――――――――――――――――――――――――

7、――――――1~52005~1545015~2030020~50150050~8070080~11044―――――――――――――――――――――――――――――――――――――計算數據的近似中位數值。解答：先判定中位數區(qū)間：N=200450300150070044=3194；N2=1597∵200450300=95015972450=9501500；∴20~50對應中位數區(qū)間。(c)(c)根據這兩個屬性根據這兩個屬性繪制散布圖繪制散布

8、圖各qqqq圖qq圖散布圖(d)(d)根據根據zscezsce規(guī)范化來規(guī)范化這兩個屬性（規(guī)范化來規(guī)范化這兩個屬性（P46P46）(e)(e)計算相關系數計算相關系數(皮爾遜積矩系數皮爾遜積矩系數).).這兩個變量是正相關還是負相關這兩個變量是正相關還是負相關rab=∑(aiA)(biB)NσAσB=（∑(aibi)NAB）NσAσB=（∑(aibi)1846.4428.78）1812.858.99=0.82相關系數是0.82。變量呈正相