2013教育部-IBM产学合作专业综合改革项目.PDFVIP

2013 教育部-IBM 产学合作专业综合改革项目 厦门大学 《数据挖掘原理及实践》课程习题 第2 章 数据的属性和表现形式 1. 进一步考察余弦度量和相关性度量: (1) 对于余弦度量, 可能的值域是什么? (2) 如果两个对象的余弦度量为1, 它们相等么? 解释原因。 (3) 如果余弦度量与相关性度量有关系的话, 有何关系? (提示: 在余弦和相关 性相同或不同情况下, 考虑诸如均值. 标准差等统计量) 2. 请举出3 个数据可视化的例子。 3. 数据属性主要有哪些类型, 它们的特点是什么? 4. 下图显示了100000个随机生成的点的相关性度量和欧几里德距离之间的关系, 其中这些点已经规范化, L 长度为 1。当向量的L 长度为 1 时, 关于欧几里德距 2 2 离与余弦相似性之间的关系, 能得到什么一般的观测结论? 5. 在下图显示了 100000 个随机生成的点的相关性度量与欧几里德距离之间的关 系, 这些点已经标准化, 具有均值为 0, 标准差为 1。当向量已经标准化, 具有均 值0 和标准差 1 时, 关于欧几里德距离与相关性之间的关系, 能得到什么的一般 观测结论? 6. 给定一个区间[0,1]取值的相似性度量, 描述两种将该相似度变换成区间[0,∞] 中的相异度方法。 7. 请简述数据的中心趋势度量有哪些指标参数。 8. 通常, 邻近度定义在一对对象之间。 (1) 阐述两种定义一组对象之间邻近度的方法。 (2) 如何定义欧几里德空间中两个点集之间的距离? (3) 如何定义两个数据对象集之间的邻近度? (除邻近度定义在任意一对对象 之间外, 对数据对象不做任何假定。) 9. 给定欧几里德空间中的一个点集S, 以及S 中每个点到x 的距离(x 是否属于S 并不重要。) (1) 如果目标是发现点y (y≠x) , 指定距离Ɛ内的所有点, 解释如何利用三角不 等式和已经计算的到x 的距离, 来减少必须的距离计算数量。提示, 三角不等式 d(x ,z) ≤d(x, y) + d(y, z)可以写成d(x, y) ≥d(x, z)-d(y, z) 。 (2) x 与y 之间的距离对距离计算的数量有何影响。 10. 假定你可以从原来的数据点的集合中发现一个较小的子集 S’, 使得数据集中 每个点都至少到S’中的一个点的距离不超过指定的Ɛ, 并且你还得到了S’中每对 点之间的距离矩阵。描述一种技术, 使用这些信息, 以最少的距离计算量, 从数据 集中计算到一个指定点距离不超过β 的所有点的集合。