数据挖掘练习题附答案 .pdfVIP

数据挖掘练习题A

一、简答题

1.数据对象之间的相似性可用距离来衡量，常见的距离形式有哪些？

答：曼哈顿距离，欧几里得距离，切比雪夫距离，闵可夫斯基距离，杰卡德距离

2.简述朴素贝叶斯分类的基本思想。

答：对于给出的待分类项，求解在此项出现的条件下各个类别出现的概率，哪个概率

最大，就认为此待分类项属于哪个类别。

,ᵄ,…,ᵄ}为一个待分类项，ᵄ为ᵆ的特征属性；

1）设ᵆ={ᵄ

!#

,ᵆ,…,ᵆ}

2）有类别集合ᵃ={ᵆ

!$

|ᵆ)，ᵅ(ᵆ|ᵆ)，…ᵅ(ᵆ|ᵆ)

3)计算ᵅ(ᵆ

!$

|)(|)(|)

(ᵆ=max{ᵅᵆᵆ,ᵅᵆᵆ,…,ᵅ(ᵆ|ᵆ)}，则ᵆ∈ᵆ

4)如果ᵅᵆ

%!%%

3.在做数据清洗时，如何处理缺失值？

答：处理缺失值的方法有3种：1）忽略元组；2）数据补齐，包括人工填写、特殊值

填充、平均值填充、使用最可能的值填充；3）不处理。

4.简述K-means算法的基本步骤。

答：1）任意选择k个对象作为初始的簇中心；2）计算其它对象与这k个中心的距离，

然后把每个对象归入离它最“近”的簇；3）计算各簇中对象的平均值，然后选择簇中心

（离平均值最“近”的簇）；4）重复第2步到第3步直到簇中心不再变化为止。



5.在关联规则中，支持度（support）和置信度（confidence）的含义分别是什么？

答：支持度support(x-y)=p(x,y)，表示项集中同时含有x和y的概率。

置信度confidence(x-y)=p(y/x)，表示在关联规则的先决条件x发生的条件下，关联

结果y发生的概率，即含有x的项集中，同时含有y的可能性。

二、计算题

1.假定属性A的取值x在[x_min,x_max]之间，其中x_min和x_max分别为属性A的最

小值和最大值，请利用最小-最大规范化方法（也称离差标准化，是对原始数据的线性

变化），将x转化到新的区间[y_min,y_max]中，结果用x’表示。如果x_min=10,

x_max=540，x=100，要做0-1规范化，结果为何？

!#=(!#)=!#(ᵆ−ᵆ)−ᵆ

解：转化函数满足，即有ᵆ

((#*#+$#+$

!$%!#!$%!#!$%!#

)!#

若做0-1规划，有ᵆ=0，ᵆ=1，代入得ᵆ=

#+$#*

!$%!#

)=!,,!,=/

再代入相应得取值，得ᵆ

-.,!,,..

2．已知以下数据集，现希望用一元线性回归方程进行拟合，试找出相应的回归线。提

示：利用最小二乘法，目标是最小化误差。

广告费6

23