数据挖掘计算题参考 答案.docVIP

PAGE PAGE 5 数据仓库与数据挖掘复习题 1. 假设数据挖掘的任务是将如下的8个点（用（x,y）代表位置）聚类为3个类：X1(2,10)、X2(2,5)、X3(8,4)、X4(5,8)、X5(7,5)、X6(6,4)、X7(1,2)、X8(4,9)，距离选择欧几里德距离。假设初始选择X1(2,10)、X4(5,8)、X7(1,2)为每个聚类的中心，请用 K_means算法来计算： （1）在第一次循环执行后的3个聚类中心； 答：第一次迭代：中心点1：X1(2，10)，2：X4(5，8)，X7(1，2) X1 X2 X3 X4 X5 X6 X7 X8 1 0 25 36+36 9+4 25+25 16+36 1+64 4+1 2 9+4 9+9 9+16 0 4+9 1+16 16+36 1+1 3 1+64 1+9 53 16+36 45 29 0 58 答案：在第一次循环执行后的3个聚类中心： 1：X1(2，10) 2：X3，X4，X5，X6，X8 （6，6） 3：X2，X7 （1.5，3.5） （2）经过两次循环后，最后的3个族分别是什么？ 第二次迭代： d2 X1 X2 X3 X4 X5 X6 X7 X8 1 0 25 36+36 9+4 25+25 16+36 1+64 4+1 2 32 17 8 5 2 4 41 1+1 3 52+6.52 52+1.52 6.52+0.52 3.52+4.52 5.52+1.52 4.52+0.52 0.52+1.52 2.52+5.52 答案：1：X1，X8 (3.5，9.5) 2：X3，X4，X5，X6 （6.5，5.25） 3：X2，X7 （1.5，3.5） 2. 数据库有4个事务。设min_sup=60%,min_conf=80%。 TID data Transaction T100 6/6/2007 K,A,D,B T200 6/6/2007 D,A,C,E,B T300 6/7/2007 C,A,B,E T400 6/10/2007 B,A,D 使用Apriori算法找出频繁项集，并写出具体过程。 答： Apriori算法： {K} 1 ? {A} 4 ? {A,B} 4 ? {A,B,D} 3 {A} 4 {B} 4 {A,D} 3 {B} 4 {D} 3 {B,D} 3 {D} 3 {C} 2 {E} 2 频繁项集为3项集{A,B,D}:3 b.列出所有的强关联规则，使它们与下面的元规则匹配，其中，X是代表顾客的变量，是表示项的变量（例如，“A”、“B”等）： [s,c] 答：所有频繁子项集有{A},{B},{D},{A,B},{A,D},{B,D} A^B=D conf=3/4=75% × A^D=B conf=3/3=100% √ B^D=A conf=3/3=100% √ 因此，满足条件的强关联规则有： A^D=B{supp=75%,conf=100%} B^D=A{supp=75%,conf=100%} 1.给定如下的数据库表： ID Sky AirTemp Humidity Wind Water Forecast Enjoysport 1 Sunny Warm Normal Strong Warm Same Yes 2 Sunny Warm High Strong Warm Same Yes 3 Rainy Cold High Strong Warm Change No 4 Sunny Warm High Strong Cool Change yes 请计算属性Sky的信息增益。 答： C1 ：Enjoysport=yes=3 C2 ：Enjoysport=no=1 I(yes,no)=-3/4log2 3/4-1/4log2 1/4=0.811 sky C1 C2 rainy 0 1 sunny 3 0 I(sky)=1/4I(0,1)+3/4I(3,0)=0 Gain(sky)=0.811 习题: 以汽车保险为例:假定训练数据库具有两个属性:年龄和汽车类型。 年龄————序数属性 汽车类型——分类属性 类————L：低（风险） ，H：高（风险） 年龄 汽车类型 类 21 Maruti L 21 Hyundai H 21 Maruti H 21 Indica H 21 Maruti L 21 Hyundai H