數(shù)據(jù)挖掘概念與技術(shù)第三版部分習(xí)題答案

1、1.4數(shù)據(jù)倉庫和數(shù)據(jù)庫有何不同？有哪些相似之處？數(shù)據(jù)倉庫和數(shù)據(jù)庫有何不同？有哪些相似之處？答：區(qū)別：數(shù)據(jù)倉庫是面向主題的，集成的，不易更改且隨時(shí)間變化的數(shù)據(jù)集合，用來支持管理人員的決策，數(shù)據(jù)庫由一組內(nèi)部相關(guān)的數(shù)據(jù)和一組管理和存取數(shù)據(jù)的軟件程序組成，是面向操作型的數(shù)據(jù)庫，是組成數(shù)據(jù)倉庫的源數(shù)據(jù)。它用表組織數(shù)據(jù)，采用ER數(shù)據(jù)模型。相似：它們都為數(shù)據(jù)挖掘提供了源數(shù)據(jù)，都是數(shù)據(jù)的組合。1.31.3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

2、析、預(yù)測聚類和演變分析。使用你熟定義下列數(shù)據(jù)挖掘功能：特征化、區(qū)分、關(guān)聯(lián)和相關(guān)分析、預(yù)測聚類和演變分析。使用你熟悉的現(xiàn)實(shí)生活的數(shù)據(jù)庫，給出每種數(shù)據(jù)挖掘功能的例子。悉的現(xiàn)實(shí)生活的數(shù)據(jù)庫，給出每種數(shù)據(jù)挖掘功能的例子。答：特征化答：特征化是一個(gè)目標(biāo)類數(shù)據(jù)的一般特性或特性的匯總。例如，學(xué)生的特征可被提出，形成所有大學(xué)的計(jì)算機(jī)科學(xué)專業(yè)一年級學(xué)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(shù)量。?區(qū)分區(qū)分是將目標(biāo)類數(shù)據(jù)對象的一般特性與一個(gè)或多個(gè)對比類對象的一般特性進(jìn)行比較。例如，具有高GPA的學(xué)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(xué)生的一個(gè)一般可比較的輪廓，就像具有高GPA的學(xué)生的75%是四年級計(jì)算機(jī)科學(xué)專業(yè)的學(xué)生，而具有低GPA的學(xué)生的65%不是。?關(guān)聯(lián)關(guān)聯(lián)是指發(fā)現(xiàn)關(guān)聯(lián)規(guī)則，這些規(guī)則表示一起頻繁發(fā)生在給定數(shù)據(jù)集的特征值的條件。例如，一個(gè)數(shù)據(jù)挖掘系統(tǒng)可能發(fā)現(xiàn)的關(guān)聯(lián)規(guī)則為：maj

4、(X“computingscience”)?owns(X“personalcomputer”)[suppt=12%confidence=98%]其中，X是一個(gè)表示學(xué)生的變量。這個(gè)規(guī)則指出正在學(xué)習(xí)的學(xué)生，12%（支持度）主修計(jì)算機(jī)科學(xué)并且擁有一臺個(gè)人計(jì)算機(jī)。這個(gè)組一個(gè)學(xué)生擁有一臺個(gè)人電腦的概率是98%（置信度，或確定度）。?分類與預(yù)測分類與預(yù)測不同，因?yàn)榍罢叩淖饔檬菢?gòu)造一系列能描述和區(qū)分?jǐn)?shù)據(jù)類型或概念的模型（或功能），而后者是建立一個(gè)模型

5、去預(yù)測缺失的或無效的、并且通常是數(shù)字的數(shù)據(jù)值。它們的相似性是他們都是預(yù)測的工具：分類被用作預(yù)測目標(biāo)數(shù)據(jù)的類的標(biāo)簽，而預(yù)測典型的應(yīng)用是預(yù)測缺失的數(shù)字型數(shù)據(jù)的值。?聚類分析聚類分析的數(shù)據(jù)對象不考慮已知的類標(biāo)號。對象根據(jù)最大花蕾內(nèi)部的相似性、最小化類之間的相似性的原則進(jìn)行聚類或分組。形成的每一簇可以被看作一個(gè)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(jié)構(gòu)，把類似的事件組織在一起。?數(shù)據(jù)演變分析數(shù)據(jù)演變分析描述和模型化隨時(shí)間變化的對象

6、的規(guī)律或趨勢，盡管這可能包括時(shí)間相關(guān)數(shù)據(jù)的特征化、區(qū)分、關(guān)聯(lián)和相關(guān)分析、分類、或預(yù)測，這種分析的明確特征包括時(shí)間序列數(shù)據(jù)分析、序列或周期模式匹配、和基于相似性的數(shù)據(jù)分析2.32.3假設(shè)給定的數(shù)據(jù)集的值已經(jīng)分組為區(qū)間。區(qū)間和對應(yīng)的頻率如下。假設(shè)給定的數(shù)據(jù)集的值已經(jīng)分組為區(qū)間。區(qū)間和對應(yīng)的頻率如下。―――――――――――――――――――――――――――――――――――――年齡頻率―――――――――――――――――――――――――――――――

7、――――――1~52005~1545015~2030020~50150050~8070080~11044―――――――――――――――――――――――――――――――――――――計(jì)算數(shù)據(jù)的近似中位數(shù)值。解答：先判定中位數(shù)區(qū)間：N=200450300150070044=3194；N2=1597∵200450300=95015972450=9501500；∴20~50對應(yīng)中位數(shù)區(qū)間。(c)(c)根據(jù)這兩個(gè)屬性根據(jù)這兩個(gè)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(jù)根據(jù)zscezsce規(guī)范化來規(guī)范化這兩個(gè)屬性（規(guī)范化來規(guī)范化這兩個(gè)屬性（P46P46）(e)(e)計(jì)算相關(guān)系數(shù)計(jì)算相關(guān)系數(shù)(皮爾遜積矩系數(shù)皮爾遜積矩系數(shù)).).這兩個(gè)變量是正相關(guān)還是負(fù)相關(guān)這兩個(gè)變量是正相關(guān)還是負(fù)相關(guān)rab=∑(aiA)(biB)NσAσB=（∑(aibi)NAB）NσAσB=（∑(aibi)1846.4428.78）1812.858.99=0.82相關(guān)系數(shù)是0.82。變量呈正相