《数据挖掘》试题与标准答案.docxVIP

《数据挖掘》试题与标准答案 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)的每个内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),假如该规章覆盖了反例，那么不停地向规章增加条件或合取项,直到该规章不再掩盖反例。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。