数据仓库与数据挖掘习题.docxVIP

数据仓库与数据挖掘习题 1.1什么是数据挖掘？在你的回答中，强调以下问题：(a)它是又一个骗局吗？ （b） 这是数据库、统计和机器学习技术的简单转变吗？（c） 解释数据库技术的发展如何导致数据挖掘 (d)当把数据挖掘看作知识发现过程时，描述数据挖掘所涉及的步骤。 1.2举一个例子，说明数据挖掘对企业的成功至关重要。该业务需要什么样的数据挖掘功能？它们可以通过数据查询处理或简单的统计分析来实现吗？ 1.3假定你是big-university的软件工程师，任务是设计一个数据挖掘系统，分析学校课程数据库。该数据库包括如下信息：每个学生的姓名，地址和状态（例如，本科生或研究生），所修课程，以及他们累积的gpa（学分平均）。描述你要选取的结构。该结构的每个成分的作用是什么？ 1.4数据仓库和数据库之间的区别是什么？它们有什么相似之处？ 1．6定义以下数据挖掘功能：特征化，区分，关联，分类，预测，聚类和演变分析。使用你熟悉的现实生活中的数据库，给出每种数据挖掘的例子。 1.7区分和分类的区别是什么？表征和聚类之间有什么区别？那么分类和预测呢？对于每一对任务，它们的相似之处是什么？ 1．8根据你的观察，描述一种可能的知识类型，它需要由数据挖掘方法发现，但未在本章中列出。它需要一种不同于本章列举的数据挖掘技术吗？ 1.9描述与数据挖掘方法和用户交互相关的三个数据挖掘挑战。1.10描述与性能问题相关的两个数据挖掘挑战。 2.1试述对于多个异种信息源的集成，为什么许多公司宁愿使用更新驱动的方法（构造使用数据仓库），而不愿使用查询驱动的方法（使用包装程序和集成程序）。描述一些情况，其中查询驱动方法比更新驱动方法更受欢迎。 2.2简要比较以下概念，并用示例解释您的观点：（a）雪花模式、事实星座、星型网络查询模型（b）数据清理、数据转换和刷新 （c）发现驱动数据立方体、多特征方、虚拟仓库2.3假定数据仓库包含三个维time，doctor和patient，两个度量count和charge，其中charge是医生对一位病人的一次诊治的收费。（a）列举三种流行的数据仓库建模模式。 （b） 图（a）显示了上述数据仓库的一种模式。 （c）由基本方体[day，doctor，patient]开始，为列出2000年每位医生的收费总数，应当执行哪些olap操作？ （d） 要获得相同的结果，请编写一个SQL查询。假设数据存储在关系数据库中，其模式如下：费用（日、月、年、医生、医院、患者、计数、收费） 2.4假定big_university的数据仓库包含如下4个维student,course,semester和instructor，2个度量count和avg_grade。在最低的概念层（例如对于给定的学生、课程、学期和教师的组合），度量avg_grade存放学生的实际成绩。在较高的概念层，avg_grade存放给定组合的 平均分。 （a）为数据仓库画出雪花模式图； （b） 从基本多维数据集[学生、课程、学期、讲师]开始，列出每个学生在大学CS课程的平均分数，以及应该使用哪些OLAP操作（例如从一学期到一年的汇总）；（c） 如果每个维度有5层（包括所有层），例如student2 5，则假设数据仓库包含四个维度：日期、观众、位置和游戏，以及两个度量：计数和收费。其中费用是观众在指定日期观看节目所支付的费用。观众可以是学生、成年人或老年人，每种类型的观众都有不同的收费标准。 （a）画出该数据仓库的星型模式图；（b）由基本方体[date，spectator，location，game]开始，为列出2000年学生观众在gm-place的总付费，应当执行哪些olap操作？ （c） 位图索引对于数据仓库很有用。以数据立方体为例，简要讨论了使用位图索引结构的优点和存在的问题。 2.6为地区气象局设计一个数据仓库。气象局大约有1000观察点，散步在该地区的陆地、海洋，收集基本气象数据，包括每小时的气压、温度、降雨量。所有的数据都送到中心站，那里已收集了这种数据长达十年。你的设计应当有利于有效的查询和联机分析处理，有利于有效地导出多维空间的一般天气模式。2.7关于数据立方体中的度量计算： （a） 根据用于计算数据立方体的聚合函数，列出了三种度量分类；（b） 对于具有时间、位置和乘积三个维度的数据立方体，函数方差属于哪一类？如果立方体被分成块，描述如何计算； （c）假定函数是\最高的10个销售额\。讨论如何在数据立方体里有效的计算该度量。2.8假定需要在数据立方体中记录三种度量：min，averag