2025年数据挖掘概念与技术第三版部分习题答案汇总.doc

1.4数据仓库和数据库有何不壹样？有哪些相似之处？

答：区别：数据仓库是面向主題的，集成的，不易更改且随時间变化的数据集合，用来支持管理人员的决策，数据库由壹组内部有关的数据和壹组管理和存取数据的软件程序构成，是面向操作型的数据库，是构成数据仓库的源数据。它用表组织数据，采用ER数据模型。

相似：它們都為数据挖掘提供了源数据，都是数据的组合。

1.3定义下列数据挖掘功能：特性化、辨别、关联和有关分析、预测聚类和演变分析。使用你熟悉的現实生活的数据库，給出每种数据挖掘功能的例子。

答：特性化是壹种目的类数据的壹般特性或特性的汇总。例如，學生的特性可被提出，形成所有大學的计算机科學专业壹年级學生的轮廓，這些特性包括作為壹种高的年级平均成绩(GPA：Gradepointaversge)的信息，

尚有所修的課程的最大数量。

??辨别是将目的类数据對象的壹般特性与壹种或多种對比类對象的壹般特性進行比较。例如，具有高GPA的學生的壹般特性可被用来与具有低GPA的壹般特性比较。最终的描述也許是學生的壹种壹般可比较的轮廓，就像具有高GPA的學生的75%是四年级计算机科學专业的學生，而具有低GPA的學生的65%不是。

??关联是指发現关联规则，這些规则表达壹起频繁发生在給定数据集的特性值的条件。例如，壹种数据挖掘系统也許发現的关联规则為：major(X,“computingscience”)?owns(X,“personalcomputer”)

[support=12%,confidence=98%]其中，X是壹种表达學生的变量。這個规则指出正在學习的學生，12%

（支持度）主修计算机科學并且拥有壹台個人计算机。這個组壹种學生拥有壹台個人電脑的概率是98%（置信度，或确定度）。

??分类与预测不壹样，由于前者的作用是构造壹系列能描述和辨别数据类型或概念的模型（或功能），而後者是建立壹种模型去预测缺失的或無效的、并且壹般是数字的数据值。它們的相似性是他們都是预测的工具：

分类被用作预测目的数据的类的標签，而预测經典的应用是预测缺失的数字型数据的值。

??聚类分析的数据對象不考虑已知的类標号。對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進行聚类或分组。形成的每壹簇可以被看作壹种對象类。聚类也便于分类法组织形式，将观测组织成类分

层构造，把类似的事件组织在壹起。

??数据演变分析描述和模型化随時间变化的對象的规律或趋势，尽管這也許包括時间有关数据的特性化、辨别、关联和有关分析、分类、或预测，這种分析的明确特性包括時间序列数据分析、序列或周期模式匹配、和基于相似性的数据分析

2.3假设給定的数据集的值已經分组為区间。区间和對应的频率如下。

―――――――――――――――――――――――――――――――――――――

年龄频率

―――――――――――――――――――――――――――――――――――――

1~5200

5~15450

15~20300

20~501500

50~80700

80~11044

―――――――――――――――――――――――――――――――――――――

计算数据的近似中位数值。

解答：先鉴定中位数区间：N=200+450+300+1500+700+44=3194；N/2=1597

∵200+450+300=95015972450=950+1500；

∴20~50對应中位数区间。

∴median=32.97岁。

2.2假定用于分析的数据包括属性age。数据元组的age值（以递增序）是：13，15，16，16，19，20，20，21，22，22，25，25，25，25，30，33，33，35，35，35，35