数据挖掘概念课后习题答案.docVIP

第 1 章 1.6 定义下列 数据挖掘功能： 特征化、区分、关 联和相关分析、 预测聚 类和演变分析。使用你熟悉的现实生活的数据库，给出每种数据挖掘功 能的例子。 ? 特征化是一个目标类数据的一般特性或特性的汇总。例如，学生的特征 可被提出，形成所有大学的计算机科学专业一年级学生的轮廓，这些特 征包括作 为一种高的年级 平均成绩 (GPA：Grade point aversge) 的信息， 还有所修的课程的最大数量。 ? 区 分是将 目标 类数 据对 象的 一般 特性 与一个 或多 个对 比类 对象 的一 般 特性进 行比较。例 如，具有高 GPA 的学生 的一般特性 可被用来与 具有 低 GPA 的一般 特性比较。 最终的描述 可能是学生 的一个一般 可比较的 轮廓，就像具有高 GPA 的学生的 75%是四年级计算机科学专业的学生， 而具有低 GPA 的学生的 65%不是。 ? 关联是指发现关联规则，这些规则表示一起频繁发生在给定数据集的特 征 值 的 条 件 。 例 如 ， 一 个 数 据 挖 掘 系 统 可 能 发 现 的 关 联 规 则 为 ： major(X, “computing science”) ? owns(X, “personalcomputer”) [support=12%,confidence=98%] 其中，X 是一个表示学生的变量。这个规则指出正在学习的学生，12%（支持度）主修计算机科学并且拥有一台个人计算机。这个组一个学生 拥有一台个人电脑的概率是 98%（置信度，或确定度）。 ? 分类与预测不同，因为前者的作用是构造一系列能描述和区分数据类型 或概念的 模型（或功能 ），而后者 是建立一个模型 去预测缺失的或无 效 的、并且通常是数字的数据值。它们的相似性是他们都是预测的工具： 分类被用作预测目标数据的类的标签，而预测典型的应用是预测缺失的 数字型数据的值。 ? 聚类分析的数据对象不考虑已知的类标号。对象根据最大花蕾内部的相似性、最小化类之间的相似性的原则进行聚类或分组。形成的每一簇可 以被看作一个对象类。聚类也便于分类法组织形式，将观测组织成类分 层结构，把类似的事件组织在一起。 ? 数据延边分析描述和模型化随时间变化的对象的规律或趋势 ，尽管这可 能包括时间相关数据的特征化、区分、关联和相关分析、分类、或预测， 这种分析的明确特征包括时间序列数据分析、序列或周期模式匹配、和 基于相似性的数据分析 1.9 列举并描述说明数据挖掘任务的五种原语。 五种原语是： ? 任务相关数据：这种原语指明给定挖掘所处理的数据。它包括指明数据 库、数据库表、或数据仓库，其中包括包含关系数据、选择关系数据的 条件、用于探索的关系数据的属性或维、关于修复的数据排序和分组。 ? 挖掘的数据类型 ：这种原语指明了所要执行的特定数据挖掘功能 ，如特 征化、区分、关联、分类、聚类、或演化分析。同样，用户的要求可能 更特殊，并可能提供所发现的模式必须匹配的模版。这些模版或超模式（也被称为超规则）能被用来指导发现过程。 ? 背景知识：这种原语允许用户指定已有的关于挖掘领域的知识。这样的 知识能被用来指导知识发现过程，并且评估发现的模式。关于数据中关 系的概念分层和用户信念是背景知识的形式。 ? 模式兴趣度度量 ：这种原语允许用户指定功能，用于从知识中分割不感 兴趣的模式，并且被用来指导挖掘过程，也可评估发现的模式。这样就 允许用户限制在挖掘过程返回的不感兴趣的模式的数量，因为一种数据 挖掘系统可能产生大量的模式。兴趣度测量能被指定为简易性、确定性、 适用性、和新颖性的特征。 ? 发现模式的可视化 ：这种原语述及发现的模式应该被显示出来 。为了使 数据挖掘能有效地将知识传给用户，数据挖掘系统应该能将发现的各种 形式的模式展示出来，正如规则、表格、饼或条形图、决策树、立方体或其它视觉的表示。 1.4 1.13 描述以下数据挖掘系统与数据库或数据仓库集成方法的差别：不耦 合、松散耦合、半紧耦合和紧密耦合。你认为哪种方法最流行，为什么？ 解答： 数据挖掘系统和数据库或数据仓库系统的集成的层次的差别如下 ? 不耦合：数据挖掘系统用像平面文件这样的原始资料获得被挖掘的原始 数据集，因为没有数据库系统或数据仓库系统的任何功能被作为处理过 程的一部分执行。因此，这种构架是一种糟糕的设计。 ? 松散耦合：数据挖掘系统不与数据库或数据仓库集成，除了使用被挖掘 的初始数据集的源数据和存储挖掘结果。这样，这种构架能得到数据库 和数据仓库提供的灵活、高效、和特征的优点。但是，在大量的数据集 中，由松散耦合得到高可测性和良好的性能是非常困难的，因为许多这 种系统是基于内存的。 ? 半紧密耦合：一些数据挖掘原语，如聚合、分类、或统计功能