数据挖掘概念与技术答案

数据挖掘——概念概念与技术

Data Mining

Concepts and Techniques

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：

1.2 1.6 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：Grade point 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

数据挖掘——概念概念与技术 Data Mining

Concepts and Techniques

习题解答

Jiawei Han

Micheline Kamber 范明 孟晓峰 译

著

目录

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：

1.2 1.6 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：Grade point 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。

数据挖掘概念与技术（原书第3版）

第三章课后习题及解答

习题

数据质量可以从多方面评估，包括准确性、完整性和一致性问题。对于以上每个问题，讨论数据质量的评佔如何依赖于数据的应用LI的，给出例子。提出数据质量的两个其他尺度。

答：

数据的质量依赖于数据的应用。

准确性和完整性：如对于顾客的地址信息数据，有部分缺失或错误，对于市场分析部门，这部分数据有80%是可以用的，就是质量比较好的数据，而对于需要一家家拜访的销售而言，有错误地址的数据，质量就很差了。

一致性：在不涉及多个数据库的数据时，商品的编码是否一致并不影响数据的质量，但涉及多个数据库时，就会影响。

数据质量的另外三个尺度是时效性，可解释性，可信性。

在现实世界的数据中，某些属性上缺失值得到元组是比较常见的。讨论处理这一问题的方法。

答：对于有缺失值的元组，当前有6种处理的方法：

（1）忽略元组：当缺少类标号时通常这么做（假泄挖掘任务涉及分类）。除非元组有多个属性缺少值，否则该方法不是很有效。当每个属性缺失值的百分比变化很

大时，它的性能特别差。采用忽略元组，你不能使用该元组的剩余属性值。这些数据

可能对手头的任务是有利的。

（2）人工填写缺失值：一般来说，该方法很费时，并且当数据集很大、缺失值很多时，该方法可能行

数据挖掘经典教程配套ppt

数据挖掘： 数据挖掘：概念与技术Jiawei Han and Micheline Kamber著 著 Monrgan Kaufmann Publishers Inc. 范明 孟小峰等译 机械工业出版社

数据挖掘经典教程配套ppt

2011年4月29日星期五

数据挖掘：概念与技术

数据挖掘经典教程配套ppt

2011年4月29日星期五

数据挖掘：概念与技术

数据挖掘经典教程配套ppt

第1章 引言 章英文幻灯片制作： 英文幻灯片制作：Jiawei Han 中文幻灯片编译： 中文幻灯片编译：范明

数据挖掘经典教程配套ppt

第一章 引论动机：为什么要数据挖掘 动机：为什么要数据挖掘? 什么是数据挖掘? 什么是数据挖掘 数据挖掘：在什么数据上进行? 数据挖掘：在什么数据上进行 数据挖掘功能 所有的模式都是有趣的吗? 所有的模式都是有趣的吗 数据挖掘系统分类 数据挖掘的主要问题2011年4月29日星期五 数据挖掘：概念与技术 5

数据挖掘经典教程配套ppt

动机: 动机 需要是发明之母数据爆炸问题 自动的数据收集工具和成熟的数据库技术导致大量数据 存放在数据库, 数据仓库, 存放在数据库 数据仓库 和其它信息存储中 我们正被数据淹没,但却缺乏知识

1.4 数据仓库和数据库有何不同？有哪些相似之处？

答：区别：数据仓库是面向主题的，集成的，不易更改且随时间变化的数据集合，用来支持管理人员的决策，数据库由一组内部相关的数据和一组管理和存取数据的软件程序组成，是面向操作型的数据库，是组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：它们都为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。

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：Grade point 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，

1.4 数据仓库和数据库有何不同？有哪些相似之处？

答：区别：数据仓库是面向主题的，集成的，不易更改且随时间变化的数据集合，用来支持管理人员的决策，数据库由一组内部相关的数据和一组管理和存取数据的软件程序组成，是面向操作型的数据库，是组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：它们都为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。

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：Grade point 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

ERP与数据挖掘技术的结合使用

摘 要：传统的erp系统实现了对数据的查询和统计，但缺乏对各子系统的综合查询、辅助决策的支持。在目前的erp产品中，与数据挖掘技术的结合还较少，erp与数据挖掘的结合必定使erp系统的应用更加有效，对此研究具有实践意义。本文主要围绕在erp中使用数据挖掘技术展开研究，将数据挖掘理论应用于实际的erp项目中，实现erp系统与数据挖掘技术的结合。 关键词：erp；数据挖掘；数据仓库；olap 引言

erp（企业资源计划enterprise resource planning）是以管理思想为基础，建立在信息技术之上的一整套管理信息系统，其目的是整合、优化企业资源。在erp的发展中，增加数据仓库dw和联机分析处理olap功能引人注目。在传统的erp系统中，实现了联机事务处理功能，但局限于对数据的查询和统计，对各子系统的综合查询、辅助决策的支持欠缺。由于erp系统的发展及我国erp系统应用水平的提高，数据量越来越大，企业领导对决策的要求越来越高，希望从纷繁的日常数据中得到对企业发展有益的信息，希望能够提供更高层次的数据分析功能，更好地辅助领导进行管理决策。而从大量的数据中找到一些潜在规律，正是数据挖掘研究处理的内容。随着

四川大学计算机（软件）学院工程硕士考试试题

（2010 —2011学年第二学期）

课程号： 课序号： 课程名称： 数据仓库与数据挖掘技术 任课教师： 于中华 适用专业：软件工程 适用年级： 学生人数： 印题份数： 学号： 姓名：

注：1．试题字迹务必清晰，书写工整。 本题5页，本页为第1页

数据仓库与数据挖掘

第一章 课后习题 一：填空题

1）数据库中存储的都是数据，而数据仓库中的数据都是一些历史的、存档的、归纳的、计算的数据。

2）数据仓库中的数据分为四个级别：早起细节级、当前细节级、轻度综合级、高度综合级。 3）数据源是数据仓库系统的基础，是整个系统的数据源泉，通常包括业务数据和历史数据。 4）元数据是“关于数据的数据”。根据元数据用途的不同将数据仓库的元数据分为技术元数据和业务元数据两类。

5）数据处理通常分为两大类：联机事务处理和联机事务分析

6）Fayyad过程模型主要有数据准备，数据挖掘和结果分析三个主要部分组成。

7）如果从整体上看数据挖掘技术，可以将其分为统计分析类、知识发现类和其他类型的数据挖掘技术三大类。

8）那些与数据的一般行为或模型不一致的数据对象称做孤立点。

9）按照挖掘对象的不同，将Web数据挖掘分为三类：web内容挖掘、web结构挖掘和web使用挖掘。

10）查询型工具、分析型工具盒挖掘型工具结合在一起构成了数据仓库系统的工具层，它们各自的侧重点不同，因此适用范围和针对的用户也不相同。

二：简答题

1）什么是数据仓库？数据仓库的特点主要有哪些？

数据仓库是一个面向主题的、集成的、相对稳定的、

数据挖掘作业答案

第二章 数据准备

5.推出在[-1,1]区间上的数据的最小－最大标准化公式。

解：标准化相当于按比例缩放，假如将在[minA,maxA]间的属性A的值v映射到区间[new_minA,new_maxA]，根据同比关系得：

(v-minA)/(v’-new_minA)=(maxA-minA)/(new_maxA-new_minA)

化简得：v’=(v-minA)* (new_maxA-new_minA)/ (maxA-minA)+ new_minA

6.已知一维数据集X={-5.0 , 23.0 , 17.6 , 7.23 , 1.11},用下述方法对其进行标准化： a) 在[-1,1]区间进行小数缩放。

解：X’={-0.050 ， 0.230 ， 0.176 ， 0.0723 ， 0.0111} b) 在[0,1]区间进行最小－最大标准化。

解：X’={0 , 1 , 0.807 ， 0.437 ， 0.218 } c) 在[-1,1]区间进行最小－最大标准化。

解：X’={-1 , 1 , 0.614 , -0.126 , 0.564} d) 标准差标准化。

解：mean=8.788