数据挖掘习题及解答-完美版.docVIP

Data Mining Take Home Exam 学号: xxxx 姓名: xxx 1。 （20分)考虑下表的数据集. 顾客ID 性别 车型 衬衣尺码 类 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 男 男 男 男 男 男 女 女 女 女 男 男 男 男 女 女 女 女 女 女 家用 运动 运动 运动 运动 运动 运动 运动 运动 豪华 家用 家用 家用 豪华 豪华 豪华 豪华 豪华 豪华 豪华 小 中 中 大 加大 加大 小 小 中 大 大 加大 中 加大 小 小 中 中 中 大 C0 C0 C0 C0 C0 C0 C0 C0 C0 C0 C1 C1 C1 C1 C1 C1 C1 C1 C1 C1 （1）计算整个数据集的Gini指标值。 （2)计算属性性别的Gini指标值 （3）计算使用多路划分属性车型的Gini指标值 (4）计算使用多路划分属性衬衣尺码的Gini指标值 （5）下面哪个属性更好，性别、车型还是衬衣尺码？为什么？ 解：(1） 类 顾客 c0 10 c1 10 Gini=1-（10/20)^2—(10/20)^2=0.5 （2） 性别 男 女 c0 6 4 c1 4 6 Gini=［{1—(6/10)^2—（4/