数据挖掘概念课后习题答案.docxVIP

(完整版)数据挖掘概念课后习题答案 - - - - - -精品可编辑word学习资料 gZ3N3V10E3J7 — — hM5N6Y2X6Z6 — — lF8U10V4P9A7 第 1 章 1.6 定义以下 数据挖掘功能： 特点化、区分、关 联和相关分析、 猜测 聚 类和演 变分析；使用你熟识的 现实 生活的数据 库，给出每种数据挖掘功 能的例子； . 特点化 是一个目 标类 数据的一般特性或特性的 汇总 ；例如， 同学的特点 可被提出，形成全部高校的 运算机科学 专业 一年 级同学的 轮廓， 这些特 征包括作 为一种高的年 级 平均成 绩 (GPA：Grade point aversge)的信息， 仍有所修的 课程的最大数量； . 区 分是将 目标 类数 据对 象的 一般 特性 与一个 或多 个对 比类 对象 的一 般 特性 进 行比较；例 如，具有高 GPA 的同学 的一般特性 可被用来与 具有 低 GPA 的一般 特性比 较； 最终的描述 可能是同学 的一个一般 可比较的 轮廓，就像具有高 GPA 的同学的 75% 是四年 级运算机科学 专业的同学 ，而具有低 GPA 的同学的 65% 不是； . 关联是指 发觉 关联规章 ，这些规章 表示一起 频繁发生在 给定数据集的特 征 值 的 条 件 ；例 如 ， 一 个 数 据 挖 掘 系 统 可 能 发 现 的 关 联 规 就 为 ： |精. |品. |可. |编. |辑. |学. |习. |资. |料. * | * | * | * | |欢. |迎. |下. |载.  major (X , “computing science”) . owns(X, “personalcomputer ”) [support =12%, confid ence=98% ] 其中， X 是一个表示同学的 变量； 这个规章指出正在学 习的同学， 12%（支持度） 主修运算机科学并且 拥有一台个人运算机；这个组一个同学 拥有一台个人 电脑的概率是 98%（置信度，或确定度）； . 分类与猜测 不同，由于前者的作用是构造一系列能描述和区分数据 类型 或概念的 模型（或功能 ）， 而后者 是建立一个模型 去猜测缺失的或无 效 的、并且通常是数字的数据 值；它们的相像性是他 们都是 猜测的工具 ： 分类被用作 猜测目标数据的 类的标签 ，而猜测 典型的 应用是 猜测缺失的 数字型数据的 值； . 聚类分析 的数据 对象不考 虑已知的 类标 号；对象依据最大花蕾内部的相像性、 最小化 类之间的相像性的原 就进行聚类或分 组；形成的每一簇可 以被看作一个 对象类；聚类也便于分 类法组织形式， 将观测组织 成类分 层结构，把 类似的大事 组织 在一起； . 数据延边分析描述和模型化随 时间变 化的对象的规律或趋势 ，尽管 这可 能包括 时间 相关数据的特点化、 区分、关联和相关分析、 分类、或猜测 ，这种分析的明确特点包括 时间序列数据分析、序列或周期模式匹配、 和 基于相像性的数据分析 1.9 列举并描述 说明数据挖掘任 务的五种原 语；五种原 语是： . 任务相关数据 ：这种原 语指明 给定挖掘所 处理的数据；它包括指明数据 库、数据库表、或数据 仓库 ，其中包括包含关系数据、 挑选 关系数据的 条件、用于探究的关系数据的属性或 维、关于修复的数据排序和分 组； . 挖掘的数据 类型 ：这种原 语指明白所要 执行的特定数据挖掘功能 ，如特 征化、区分、 关联、分 类、聚 类、或演化分析；同 样，用 户的要求可能 更特别， 并可能供应所 发觉的模式必需匹配的模版； 这些模版或超模式（也被称 为超规章 ）能被用来指 导发觉过 程； . 背景知 识：这种原 语答应用户指定已有的关于挖掘 领域的知 识；这样的 学问能被用来指 导学问发觉过 程，并且 评估发觉的模式； 关于数据中关 系的概念分 层和用 户信念是背景知 识的 形式； . 模式 爱好度度量 ：这种原 语答应用户指定功能，用于从知 识中分割不感 爱好的模式， 并且被用来指 导挖掘过程，也可 评估发觉 的模式； 这样就 答应用户限制在挖掘 过程返回的不感 爱好的模式的数量， 由于一种数据 挖掘系 统可能 产生大量的模式； 爱好度 测量能被指定 为简 易性、确定性 、适用性、和新 颖性的特点； . 发觉模式的可 视化 ：这种原 语述及发觉的模式 应当被显示出来 ；为了使 数据挖掘能有效地 将知 识传给 用户，数据挖掘系 统应当 能将 发觉 的各种 形式的模式展现出来，正如 规章、表格、 饼或条形 图、决策 树、立方体或其它 视觉 的表示； 1.4 1.13 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、