《數(shù)據(jù)挖掘》試題與答案

1、一、解答題（滿分30分，每小題5分）1.怎樣理解數(shù)據(jù)挖掘和知識發(fā)現(xiàn)的關系？請詳細闡述之?首先從數(shù)據(jù)源中抽取感興趣的數(shù)據(jù)，并把它組織成適合挖掘的數(shù)據(jù)組織形式；然后，調(diào)用相應的算法生成所需的知識；最后對生成的知識模式進行評估，并把有價值的知識集成到企業(yè)的智能系統(tǒng)中。知識發(fā)現(xiàn)是一個指出數(shù)據(jù)中有效、嶄新、潛在的、有價值的、一個不可忽視的流程，其最終目標是掌握數(shù)據(jù)的模式。流程步驟：先理解要應用的領域、熟悉相關知識，接著建立目標數(shù)據(jù)集，并專注所選擇

2、的數(shù)據(jù)子集；再作數(shù)據(jù)預處理，剔除錯誤或不一致的數(shù)據(jù)；然后進行數(shù)據(jù)簡化與轉換工作；再通過數(shù)據(jù)挖掘的技術程序成為模式、做回歸分析或找出分類模型；最后經(jīng)過解釋和評價成為有用的信息。2.時間序列數(shù)據(jù)挖掘的方法有哪些，請詳細闡述之時間序列數(shù)據(jù)挖掘的方法有：1）、確定性時間序列預測方法:對于平穩(wěn)變化特征的時間序列來說，假設未來行為與現(xiàn)在的行為有關，利用屬性現(xiàn)在的值預測將來的值是可行的。例如，要預測下周某種商品的銷售額，可以用最近一段時間的實際銷售量

3、來建立預測模型。2）、隨機時間序列預測方法:通過建立隨機模型，對隨機時間序列進行分析，可以預測未來值。若時間序列是平穩(wěn)的，可以用自回歸(AutoRegressive，簡稱AR)模型、移動回歸模型(MovingAverage，簡稱MA)或自回歸移動平均(AutoRegressiveMovingAverage，簡稱ARMA)模型進行分析預測。3）、其他方法:可用于時間序列預測的方法很多，其中比較成功的是神經(jīng)網(wǎng)絡。由于大量的時間序列是非平穩(wěn)的

4、，因此特征參數(shù)和數(shù)據(jù)分布隨著時間的推移而變化。假如通過對某段歷史數(shù)據(jù)的訓練，通過數(shù)學統(tǒng)計模型估計神經(jīng)網(wǎng)絡的各層權重參數(shù)初值，就可能建立神經(jīng)網(wǎng)絡預測模型，用于時間序列的預測。4.數(shù)據(jù)挖掘的聚類方法有哪些，請詳細闡述之數(shù)據(jù)挖掘的聚類方法:1）、劃分方法（PartitioningMethods）:給定一個有n個對象的數(shù)據(jù)集，劃分聚類技術將構造數(shù)據(jù)k個劃分，每一個劃分就代表一個簇，k?n。也就是說，它將數(shù)據(jù)劃分為k個簇，而且這k個劃分滿足下列條

5、件：a)每一個簇至少包含一個對象。b)每一個對象屬于且僅屬于一個簇。對于給定的k，算法首先給出一個初始的劃分方法，以后通過反復迭代的方法改變劃分，使得每一次改進之后的劃分方案都較前一次更好。1）、層次聚類:層次聚類方法對給定的數(shù)據(jù)集進行層次的分解，直到某種條件滿足為止。具體又可分為：a)凝聚的層次聚類：一種自底向上的策略，首先將每個對象作為一個簇，然后合并這些原子簇為越來越大的簇，直到某個終結條件被滿足。b)分裂的層次聚類：采用自頂向下

6、的策略，它首先將所有對象置于一個簇中，然后逐漸細分為越來越小的簇，直到達到了某個終結條件。層次凝聚的代表是AGNES算法。層次分裂的代表是DIANA算法。2）密度聚類方法:密度聚類方法的指導思想是，只要一個區(qū)域中的點的密度大于某個域值，就把它加到與之相近的聚類中去。代表算法有：DBSCAN、OPTICS、DENCLUE算法等。3）其它聚類方法:STING(StatistaicalInfmationGrid_basedmethod)是一種