数据挖掘概念与技术_课后题答案汇总汇总.pdfVIP

word完美格式

数据挖掘——概念概念与技术

DataMining

ConceptsandTechniques

习题答案

第1章引言

1.1什么是数据挖掘？在你的回答中，针对以下问题：

1.21.6定义下列数据挖掘功能：特征化、区分、关联和相关分析、预

测聚类和演变分析。使用你熟悉的现实生活的数据库，给出每种数

据挖掘功能的例子。

解答：

�特征化是一个目标类数据的一般特性或特性的汇总。例如，学生的特

征可被提出，形成所有大学的计算机科学专业一年级学生的轮廓，

这些特征包括作为一种高的年级平均成绩(GPA：Gradepoint

aversge)的信息，还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的学生的一般特性可被用来与

具有低GPA的一般特性比较。最终的描述可能是学生的一个一般可

比较的轮廓，就像具有高GPA的学生的75%是四年级计算机科学专

业的学生，而具有低GPA的学生的65%不是。

�关联是指发现关联规则，这些规则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则

为：

major(X,“computingscience”)⇒owns(X,“personal

computer”)[support=12%,confidence=98%]

其中，X是一个表示学生的变量。这个规则指出正在学习的学生，12%

（支持度）主修计算机科学并且拥有一台个人计算机。这个组一个学

生拥有一台个人电脑的概率是98%（置信度，或确定度）。

�分类与预测不同，因为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预测缺失的

或无效的、并且通常是数字的数据值。它们的相似性是他们都是预

测的工具：分类被用作预测目标数据的类的标签，而预测典型的应用

是预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。对象根据最大花蕾内部的相似

性、最小化类之间的相似性的原则进行聚类或分组。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

的事件组织在一起。

�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征化、区分、关联和相关分析、分类、或预测，

这种分析的明确特征包括时间序列数据分析、序列或周期模式匹配、和

基于相似性的数据分析

精心整理学习帮手

word完美格式

1.31.9列举并描述说明数据挖掘任务的五种原

语。解答：

用于指定数据挖掘任务的五种原语是：

�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、选择关系数据的

条件、用于探索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：这种原语指明了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

更特殊，并可能提供所发现的模式必须匹配的模版。这些模版或超模式

（也被称为超规则）能被用来指导发现