东软商务智能数据挖掘考试题库.docVIP

商务智能复习题 名词解释 数据仓库：是一种新的数据处理体系结构，是面向主题的、集成的、不可更新的(稳定性)、随时间不断变化(不同时间)的数据集合， 粒度：指数据仓库的数据单位中保存数据细化或综合程度的级别。粒度影响存放在数据仓库中的数据量的大小，同时影响数据仓库所能回答查询问题的细节程度。 数据挖掘：从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。 OLTP：OLTP为联机事务处理的缩写，OLAP是联机分析处理的缩写。前者是以数据库为基础的，面对的是操作人员和低层管理人员，对基本数据进行查询和增、删、改等处理。 ROLAP：是基于关系数据库存储方式的，在这种结构中，多维数据被映像成二维关系表，通常采用星型或雪花型架构，由一个事实表和多个维度表构成。 聚类：是将物理或抽象对象的集合分组成为多个类或簇(cluster)的过程，使得在同一个簇中的对象之间具有较高的相似度，而不同簇中的对象差别较大。 决策树：是用样本的属性作为结点，用属性的取值作为分支的树结构。它是分类规则挖掘的典型方法，可用于对新样本进行分类。 频繁项集：指满足最小支持度的项集，是挖掘关联规则的基本条件之一。 支持度：规则A→B的支持度指的是所有事件中A与B同地发生的的概率，即P(A∪B)，是AB同时发生的次数与事件总次数之比。支持度是对关联规则重要性的衡量。 可信度：规则A→B的可信度指的是包含A项集的同时也包含B项集的条件概率P(B|A)，是AB同时发生的次数与A发生的所有次数之比。可信度是对关联规则的准确度的衡量。 关联规则：同时满足最小支持度阈值和最小可信度阈值的规则称之为关联规则。 综合题 何谓数据挖掘？它有哪些方面的功能？ 数据挖掘的功能包括：概念描述、关联分析、分类与预测、聚类分析、趋势分析、孤立点分析以及偏差分析等。 何谓数据仓库？为什么要建立数据仓库？ 数据仓库是一种新的数据处理体系结构，是面向主题的、集成的、不可更新的(稳定性)、随时间不断变化(不同时间)的数据集合 分析型数据 当前的、细节的 历史的、综合的 面向应用、事务驱动 面向分析、分析驱动 频繁增、删、改 几乎不更新，定期追加 操作需求事先知道 分析需求事先不知道 生命周期符合SDLC 完全不同的生命周期 对性能要求高 对性能要求宽松 一次操作数据量小 一次操作数据量大 支持日常事务操作 支持管理决策需求 何谓OLTP和OLAP？它们的主要异同有哪些？ OLTP即联机事务处理，是以传统数据库为基础、面操作人员和低层管理人员对基本数据进行查询和增、删、改等处理。OLTP OLAP 数据库数据 数据库或数据仓库数据 细节性数据 综合性数据 当前数据 历史数据 经常更新 不更新，但周期性刷新 一次性处理的数据量小 一次处理的数据量大 对响应时间要求高 响应时间合理 用户数量大 用户数据相对较少 面向操作人员，支持日常操作 面向决策人员，支持管理需要 面向应用，事务驱动 面向分析，分析驱动 何谓粒度？它对数据仓库有什么影响？按粒度组织数据的方式有哪些？ 粒度是指数据仓库的数据单位中保存数据细化或综合程度的级别。粒度影响存放在数据仓库中的数据量的大小，同时影响数据仓库所能回答查询问题的细节程度。 简述数据仓库设计的三级模型及其基本内容。 概念模型设计是在较高的抽象层次上的设计，其主要内容包括：界定系统边界和确定主要的主题域。 逻辑模型设计的主要内容包括：分析主题域、确定粒度层次划分、确定数据分割策略、定义关系模式、定义记录系统。 物理数据模型设计数据清洗：包括填充空缺值，识别孤立点，去掉噪声和无关数据。 数据集成：将多个数据源中的数据结合起来存放在一个一致的数据存储中。需要注意不同数据源的数据匹配问题、数值冲突问题和冗余问题等。 数据变换：将原始数据转换成为适合数据挖掘的形式。包括对数据的汇总、聚集、概化、规范化，还可能需要进行属性的重构。 数据归约：缩小数据的取值范围，使其更适合于数据挖掘算法的需要，并且能够得到和原始数据相同的分析结果。 事务ID 项集 L支持度% 规则 置信度% T1 A, A, B 33.3 A→B 50 T2 D, E A, C 33.3 C→A 60 T3 A, C, E A, D 44.4 A→D 66.7 T4 A, B, D, E B, D 33.3 B→D 75 T5 A, B, C C, D 33.3 C→D 60 T6 A, B, D D, E 33.3 D→E 43 T7 A, C, D … … T8 C, D, E T9 B, C, D 简述K-中心点算法的输入、输出及聚类过程(流程)。 输入