数据挖掘作业精选.doc

作业作为平时成绩（占20%）的衡量标准：一共有24道题，希望大家认真做，不收打印版！ 1.什么是数据挖掘？在你的回答中，针对以下问题： (a）它又是一种广告宣传吗？ (b)它是一种从数据库、统计学和机器学习发展的技术的简单转换吗？ (c) 解释数据库技术发展如何导致数据挖掘。 (d)当把数据挖掘看做知识发现过程时，描述数据挖掘所涉及的步骤。 2.数据仓库和数据库有何不同？有哪些相似之处？ 3.简述以下高级数据库系统和应用：对象——关系数据库、空间数据库、文本数据库、多媒体数据库、流数据和万维网。 4.定义下列数据挖掘功能：特征化，区分、关联和相关分析、分类、预测、聚类和演变分析。 5.区分和分类的差别是什么？特征化和聚类的差别是什么？分类和预测呢？对于每一对任务，它们有何相似之处。 6.解释为什么概念分层在数据挖掘中是有用的。 7.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、半紧密耦合和紧密耦合。你认为哪种方法最流行，为什么？ 8.试描述关于数据挖掘方法和用户交互问题的三个数据挖掘挑战。 9.与挖掘少量数据相比，挖掘海量数据的主要挑战是什么？ 10.数据的质量可以用精确性、完整性和一致性来评估。提出数据质量的两种其他尺度。 11.假设给定的数据集的值已经分组为区间。区间和对应的频率如下： 年龄 频率 年龄 频率 1～5 200 5～15 450 15～20 300 20～50 1500 50～80 700 80～110 44 计算数据的近似中位数值。 12.假定用于分析的数据包含属性age。数据元组的age值以递增序为：13,15,16,16,19,20,20,21,22,22,25,25,25,25,30,33,33,35,35,35,35,36,40,45,46, 52,70 (a）该数据的均值是什么？中位数是什么？ (b) 该数据的众数是什么？讨论数据的峰。 (c) 数据的中列数是什么？ (d)找出数据的第一个四分位数（Q1）和第三个四分位数（Q3）。 (e）给出数据的五数概括。 13. 假设12个销售价格记录组已经排序如下： 5,10,11,13,15,35,50,55,72,92,204,215 使用如下每种方法将它们划分为三个箱。 (a）等频划分 (b) 等宽划分 (c)聚类划分 14.简述比较以下概念，可以用例子解释你的观点。 (a）雪花形模式、事实星座形、星形网查询模型 (b) 数据清理、数据变换、刷新 (c) 企业数据仓库、数据集市、虚拟仓库 15.假定数据仓库包含三维：time，doctor和patient；和两个度量：count和charge；其中，charge是医生对病人一次诊治的收费。 (a）列举三种流行的数据仓库建模模式。 (b) 使用（a）列举的模式之一，画出上面的数据仓库模式图。 (c) 由基本方体[day ,doctor,patient]开始，为列出2004年每位医生的收费总数，应当执行哪些OLAP操作？ （d）为得到同样的结果，写一个SQL查询。假定数据存放的模式为 Fee(day,month,year,doctor,hospital,patient,count,charge) 16. 3种主要的数据仓库应用：信息处理、分析处理和数据挖掘的区别是什么？讨论OLAP挖掘的动机。 17.假定10维基本方体只包含3个基本单元：（1）（a1,d2,d3,d4,…,d9,d10）,模糊集B=,求,,及。 19.“年老”集O与“年青”集Y的隶属函数图像如图（1）所示，试求出模糊集O与模糊集Y的交集、并集，并用隶属函数的形式表示其交、并集。 20.已知如下模糊关系，S=,其中=0.3，=0.5，求对其模糊关系施行如下运算的值： ，。若有，S=，求的值。 21.设有5个环境单元，每个环境的污染数据按空气、水分、土壤、作物排序如下：(5,5,3,2) , (2,3,4,5) , (5,5,3,2) , (1,5,3,1) , (2,4,5,1)，请选择合适的聚类方法对其分析，并以其聚类方法得出相应分类结果，并说明选择此方法进行聚类的原因。 22、令论域U={,,,,},模糊集, 求和。 23、设身高的论域为U={140,150,160,170,180},单位为厘米，设体重的论域为{40,50,60,70,80},单位为千克，那么常规表示人