数据挖掘原理与实践2016a答案.docVIP

广东工业大学考试试卷 ( )答案 课程名称: 试卷满分 100 分 考试时间: 年 月 日 ( 第 周 星期 ) 题 号 一 二 三 四 五 六 七 八 九 十 总分 评卷得分 评卷签名 复核得分 复核签名 3）深度为4进行划分，得到三个箱 （6，7，9，11），（12，18，20，21），（25，35，37，100） 边界值平滑后的结果为 （6，6，11，11），（12，12，21，21），（25，25，25，100） 2)已知数组：{13,15,16,16,19,20,20,21,22,22}， {13,15,16}{16,19,20}{20,21,22}{22} 边界平滑后的结果是： {13,16,16}{16,20,20}{20,20,22} 2。（10分） 答：答案要求，需要通过举例的方式说明噪声数据产生的原因。 比如，在收集野外的气象数据的时候，每一个自动化收集站都会收集气压，气温，雨量，方向等数据。如果由于传感器灵敏度的原因，收集的数据会有误差，这些数据就属于噪声数据。 噪声数据处理的方法一般有处理方法一般有分箱，聚类，回归这些处理方法。（需要回答得更详细一点） , 3．（10分）这是有一个有监督的分类挖掘任务。因此要解决以下几个问题: 采集数据的范围。应该在全国（全省）范围内进行分层抽样。样本需要来自不同层次的学校。 类标号列数据的获取,需要对参加过回答问题，并且考上了大学的学生，填写专业并回答 是否喜欢本专业。 需要回答使用了分类挖掘任务，并且简单 的回答挖掘 的过程。 4。（10分）某学校对入学的新生进行性格问卷调查，没有心理学家的参与，根据学生对问题的回答，把学生的性格分成了8个类别。请说明该数据挖掘任务是属于分类任务还是聚类任务？为什么？并利用该例说明聚类分析和分类分析的异同点。 答：是属于聚类任务。 两者的区别主要是数据中是否有类标号。 从数据方面来说，分类挖掘的数据必须有类标号，也就是有专家参与。 从算法上来说，分类主要是建立决策树模型，而聚类主要是将相似的数据归为一个类。 5．（15分）如下表所示的数据集。请写出按属性A和B划分时的信息增益的计算表达式。不需要计算出最后结果。并回答计算信息增益在分类算法中的作用。 答：该题和书上的例题3-4一样。 6．需要通过一个例子，从数据的采集，构成，数据清理、数据挖掘，评估来说明一个聚类的挖掘任务。 7．答： D(p,q)=1+1+(22-17)=7 D(p,C1)= (1-20/30)+(1-18/30)+(20-17)=3.73 D(p,C2) =(1-3/15)+(1-0/15)+(24-17)=8.8 D(q,C1) =(1-5/30)+(1-8/30)+(22-20)=3.57 D(q,C2) =(1-12/15)+(1-3/12)+(24-22)=2.95 D(C1,C2)= =1-(25*3+5*12)/(30*15)+1-(8*3)/(30*15)+(24-20)=5.65 8.答：首先要找到一项频繁集，按照顺序排： 序号 项集 支持度 1 KEY 6 2 BEER 5 3 WINE 4 4 BOX 4 5 EGG 3 6 DESK 2 7 DIAPER 2 8 TV 2 9 HAM 1 10 C 1 PF树如下：答案不唯一。 频繁2项集有： （TV,BEER,KEY）; (DIAPPER,EGG,BOX,WINE,BEER,KEY) (DESK,BEER,KEY) (BOX,KEY) (BOX,WINE,KEY) 以及他们的子集。 广东工业大学试卷用纸，共 2 页，第 3 页