数据挖掘作业概要1.docxVIP

数据挖掘第一次作业 第一题： (a).由最大-最小规范化公式 vi=vi-minAmaxA-minAnew_maxA-new_minA+new_minA 得35规范化后的值为 35-1370-131-0+0=0.386 (b).先计算属性的均值A’ 和标准差 σA A’=1n(v1+v2+…+vn)=12713+15+16+…+70=29.963 35经过Z分数规划后的结果为 v-AσA=35-29.96312.94=0.38 (c).由于属性绝对值最大为70，我们用100来除每个值 35规范化后的结果为 0.35 (d).最大—最小规范方法保持原始数据值之间的联系；Z分数规范化当属性的最大值和最小值未知，或离群点左右了最小-最大规范化时，该方法有用；小数定标规范化过于简单。我比较喜欢最小-最大规范化，因为这种方法计算起来没有Z分数复杂，并且不会使原始数据改变很多，保留了它们之间的联系。 第二题： (a).?X∈transaction,共有4个事务，最小相对支持度为60%，因此最小支持度计数阀值为3，用Apriori算法找到最大的频繁项集 L3={Milk, Cheese, Bread}，过程如下： L3的非空子集{Milk,Cheese},{Milk,Bread},{Cheese,Bread},{Milk},{Cheese},{Bread},结果关联规则如下： {Milk, Cheese}=Bread, confidence=3/3=100% {Milk, Bread}=Cheese, confidence=3/4=75% {Cheese, Bread}=Milk, confidence=3/3=100% Milk={Cheese, Bread}, confidence=3/4=75% Cheese={Milk, Bread}, confidence=3/3=100% Bread={Milk, Cheese}, confidence=3/4=75% 由于min_conf=80%,所以只有第一个、第三个和第五个规则可以输出，是强规则。 即，所有强规则如下： ?X∈transaction buys(X, Milk)^buys(X, Cheese)=buys(X, Bread) ?X∈transaction buys(X, Bread)^buys(X, Cheese)=buys(X, Milk) ?X∈transaction buys(X, Cheese)=buys(X, Milk)^ buys(X, Bread) (b) ?X∈customer,共有3个事务，最小相对支持度为60%，因此最小支持度计数阀值为2，用Apriori算法找到的最大频繁项集 L2={{Sunset-Milk, Dairyland-Cheese, Wonder-Bread}, {Dairyland-Milk, Wonder-Bread, Tasty-Pie} }共两个最大频繁项集 过程如下： 第三题： 如果对于所有层使用一致的最小支持度，根据祖先是其后代超集的知识，采用Apriori性质：频繁项集的所有非空子集也必须是频繁的，在这种情况下，如果祖先不满足最小支持度，那么我们可以停止对其后代的探查。如果在较低层使用递减的最小支持度，即每个抽象层都有自己的最小支持度，且抽象???越低，对应的阈值越小，此时有可能在祖先不满足最小支持度的前提下，但是其后代却满足，此时Apriori性质不能成立，我们不能停止对其后代的探查. 第四题：假定数据仓库中包含4个维：date, product, vendor, location；和两个度量：sale_number和sales_cost。 (b).所需的OLAP操作： 沿着Date维由Day上卷到year； 分别对每个Vendor_key进行切片； 沿着Location?维由Street上卷到City； 对City=Los?Angles切片; 最后沿着product维由每种产品上卷到all。 (c).该立方体一共有四个维（或属性），只需要为这四个为分别维护一张位图索引表，当属性的域的基数较小时，因为比较、连接和聚集操作都变成了位运算，大大减少了处理时间。由于用来表示具体事务的字符串可以用单个二进位表示，位图索引显著降低了空间和I/O开销。但是如果属性的域的基数很大时，可能会浪费存储空间来存储大量的数据0. 第五题：下面是一个超市某种商品连续20个月的销售数据（单位为百元） 21,16,19,24,27,23,22,21,20,17,16,20,23,22,18,24,26, 25,20,26。 (a).首先对20个销售数据按照从小到大顺序排序 16,16,17,18,19,20,20,20,21,21,22,22,2