《数据挖掘》试题与答案.docxVIP

《数据挖掘》试题与答案 一、解答题〔满分30分，每题5分〕1. 怎样理解数据挖掘和学问发觉的关系？请具体阐述之首先从数据源中抽取感爱好的数据，并把它组织成合适挖掘的数据组织形式；然后，调用相应的算法生成所需的学问；最终对生成的学问形式进展评估，并把有价值的学问集成到企业的智能系统中。学问发觉是一个指出数据中有效、崭新、潜在的、有价值的、一个不行无视的流程，其最终目的是把握数据的形式。流程步骤：先理解要应用的领域、熟识相关学问，接着建立目的数据集，并专注所选择的数据子集；再作数据预处理，剔除错误或不全都的数据；然后进展数据简化与转换工作；再通过数据挖掘的技术程序成为形式、做回来分析或找出分类模型；最终经过说明和评价成为有用的信息。2. 时间序列数据挖掘的方法有哪些，请具体阐述之时间序列数据挖掘的方法有：1〕、确定性时间序列预报方法:对于平稳改变特征的时间序列来说，假设将来行为与如今的行为有关，利用属性如今的值预报将来的值是可行的。例如，要预报下周某种商品的销售额，可以用最近一段时间的实际销售量来建立预报模型。2〕、随机时间序列预报方法:通过建立随机模型，对随机时间序列进展分析，可以预报将来值。假设时间序列是平稳的，可以用自回来(Auto Regressive，简称AR)模型、挪动回来模型(Moving Average，简称MA)或自回来挪动平均(Auto Regressive Moving Average，简称ARMA)模型进展分析预报。3〕、其他方法:可用于时间序列预报的方法许多，其中比拟胜利的是神经网络。由于大量的时间序列是非平稳的，因此特征参数和数据分布随着时间的推移而改变。假设通过对某段历史数据的训练，通过数学统计模型估量神经网络的各层权重参数初值，就可能建立神经网络预报模型，用于时间序列的预报。 3. 数据挖掘的分类方法有哪些，请具体阐述之分类方法归结为四种类型：1〕、基于间隔 的分类方法:间隔 的计算方法有多种，最常用的是通过计算每个类的中心来完成，在实际的计算中往往用间隔 来表征，间隔 越近，相像性越大，间隔 越远，相像性越小。。2〕、决策树分类方法:决策树〔Decision Tree〕的每个部结点表示在一个属性上的测试，每个分枝代表一个测试输出，而每个树叶结点代表类或类分布。树的最顶层结点是根结点。3〕、贝叶斯分类方法:设X是类标号未知的数据样本。设H为某种假定，如数据样本X属于某特定的类C。对于分类问题，我们盼望确定P(H|X)，即给定观测数据样本X，假定H成立的概率。4〕、规章归纳方法: 规章归纳有四种策略：减法、加法，先加后减、先减后加策略。a)减法策略：以详细例子为动身点，对例子进展推广或泛化，推广即减除条件〔属性值〕或减除合取项〔为了便利，我们不考虑增加析取项的推广〕，使推广后的例子或规章不掩盖任何反例。b)加法策略：起始假设规章的条件局部为空〔永真规章〕，假如该规章掩盖了反例，那么不停地向规章增加条件或合取项，直到该规章不再覆盖反例。c)先加后减策略：由于属性间存在相关性，因此可能某个条件的参加会导致前面参加的条件没什么作用，因此需要减除前面的条件。d)先减后加策略：道理同先加后减，也是为了处理属性间的相关性。典型的规章归纳算法有AQ、CN2和FOIL等。4.数据挖掘的聚类方法有哪些，请具体阐述之数据挖掘的聚类方法:1〕、划分方法〔Partitioning Methods〕:给定一个有n个对象的数据集，划分聚类技术将构造数据k个划分，每一个划分就代表一个簇，k n。也就是说，它将数据划分为k个簇，而且这k个划分满足以下条件：a)每一个簇至少包含一个对象。b)每一个对象属于且仅属于一个簇。对于给定的k，算法首先给出一个初始的划分方法，以后通过反复迭代的方法转变划分，使得每一次改良之后的划分方案都较前一次更好。1〕、层次聚类:层次聚类方法对给定的数据集进展层次的分解，直到某种条件满足为止。详细又可分为：a)凝聚的层次聚类：一种自底向上的策略，首先将每个对象作为一个簇，然后合并这些原子簇为越来越大的簇，直到某个终结条件被满足。b)分裂的层次聚类：采纳自顶向下的策略，它首先将全部对象置于一个簇中，然后渐渐细分为越来越小的簇，直到到达了某个终结条件。层次凝聚的代表是AGNES算法。层次分裂的代表是DIANA算法。2〕密度聚类方法:密度聚类方法的指导思想是，只要一个区域中的点的密度大于某个域值，就把它加到与之相近的聚类中去。代表算法有：DBSCAN、OPTICS、DENCLUE算法等。3〕其它聚类方法:STING(Statistaical Information Grid_based method)是一种基于网格的多辨别率聚类