2011年数据挖掘与数据仓库考试题.docVIP

2011年数据挖掘与数据仓库考试题 （10分）讨论:：下列每项活动是否是数据挖掘任务?简单陈述你的理由。 根据性别划分公司的顾客。 根据可赢利性划分公司的顾客。 预测投一对骰子的结果。 使用历史记录预测某公司未来的股票价格。 （10分）列举3种数据挖掘功能，对每种举2个实际应用的例子。 （10分）比较急切分类（如，判定树、贝叶斯、神经网络）相对于懒散分类（如，k -最临近、基于案例的推理）的优缺点。 （10分）假定你作为一个数据分析人员，受雇于一家移动通讯公司。通过一个例子说明打算如何使用数据挖掘技术为公司提供帮助。你的例子应包含问题描述，使用何种数据挖掘方法解决该问题，理由和预期效果（不需要定量分析）。 （10分）假设数据挖掘的任务是将如下的八个点（用(x,y)代表位置）聚类为三个类。 A1(2,10),A2(2,5),A3(8,4),B1(5,8),B2(7,5),B3(6,4),C1(1,2),C2(4,9) 距离函数是Euclidean函数。假设初始我们选择A1,B1,和C1为每个簇的中心，用k-means算法来给出 在第一次循环执行后的三个簇中心 最后的三个簇 （10分）考虑下面的由Big-University的学生数据库挖掘的关联规则 major(X,”science”) ( status(X,”undergrad”) （1） 假定学校的学生人数（即，任务相关的元组数）为5000，其中56%的在校本科生的专业是科学，64%的学生注册本科学位课程，70%的学生主修科学(science)。 (a) 计算规则(1)的支持度和置信度。 (b) 考虑下面的规则 major(X,”biology”) ( status(X,”undergrad”) [17%,80%] （2） 假定主攻科学的学生30%专业为biology。与规则(1)对比，你认为规则(2)新颖吗？解释你的结论。 （15分）考虑为产品销售问题建立数据仓库。关注的主题是销售，用销售量、销售价和成本度量（由此可以计算销售金额和利润）。销售涉及销售的产品、时间、客户和销售代理。其中，产品用产品名称、产品类别、产品品牌等描述，时间用日、月、季、年描述，客户信息包括客户ID、客户名、送货地址（省、市、街道、门牌号）、帐号等信息，销售代理包括销售代理姓名、地区、省、市等信息 给出每个维的概念分层。 画出该数据仓库的星型模式图。 由基本方体开始，为列出河南省客户购买的、由国美家电2004年销售的、小天鹅洗衣机，应当执行哪些OLAP操作？ （15分）下表由雇员数据库的训练数据组成。数据已泛化。例如，年龄“31…35”表示31到35的之间。对于给定的行，count表示department, status, age和salary在该行上具有给定值的元组数。 department status age salary count sales sales sales systems systems systems systems marketing marketing secretary secretary senior junior junior junior senior junior senior senior junior senior junior 31...35 26...30 31...35 21...25 31...35 26...30 41...45 36...40 31...35 46...50 26...30 46K...50K 26K...30K 31K...35K 46K...50K 66K...70K 46K...50K 66K...70K 46K...50K 41K...45K 36K...40K 26K...30K 30 40 40 20 5 3 3 10 4 4 6 设status是类标号属性。 你将如何修改基本决策树算法，以便考虑每个广义数据元组 (即，每一行) 的count？ 使用你修改过的算法，构造给定数据的决策树。 给定一个数据元组，它在属性department, age和salary上的值分别为“systems”, “26…30 ”和“46…50K”。该元组status的朴素贝叶斯分类结果是什么？ （10分）给定事务数据库D1和D2，最小支持度阈值(和增长率(（1）。设supD(X)为项集X在数据集合D上的支持度。从D1到D2的eEP是项集X，满足 supD1(X) ( (； ； X的任何子集合都不同时满足(a)和(b)。 修改挖掘频繁模式的FP-Growth算法，挖掘所有的从D1到D2的eEP。（只需要给出算法思想）