2015新pep四年級(jí)下冊(cè)英語(yǔ)期末試卷(附聽(tīng)力材料).doc

《2015新pep四年級(jí)下冊(cè)英語(yǔ)期末試卷(附聽(tīng)力材料).doc》由會(huì)員上傳分享，免費(fèi)在線(xiàn)閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫(kù)。

1、2014~2015學(xué)年第二學(xué)期期末考試數(shù)據(jù)挖掘技術(shù)試卷（A卷）參考答案使用班級(jí)/12/13/14答題時(shí)間_120分鐘_一、填空題（共10空,每空1分，共10分）1.數(shù)據(jù)挖掘的任務(wù)：分類(lèi)、聚類(lèi)、回歸、關(guān)聯(lián)分析、離群點(diǎn)監(jiān)測(cè)、演化分析、序列模式。2.數(shù)據(jù)集的三個(gè)重要特性：_維度、稀疏性、分辨率。二、判斷題（共10小題,每小題1分，共10分）判斷下列3～7小題的描述是否正確？3.ID3算法不僅可以處理離散屬性，還可以處理連續(xù)屬性。（F）4.決策樹(shù)方法通常用于關(guān)聯(lián)規(guī)則挖掘。（F）5.先驗(yàn)原理可以表述為，一個(gè)頻繁項(xiàng)集的任一子集也應(yīng)該是頻繁的。（T）6.Clementin

2、e是IBM公司的專(zhuān)業(yè)級(jí)數(shù)據(jù)挖掘軟件。（T）7.具有較高的支持度的項(xiàng)集具有較高的置信度。（F）判斷下列8～12小題的描述是否屬于數(shù)據(jù)挖掘任務(wù)？8.利用歷史數(shù)據(jù)預(yù)測(cè)公司將來(lái)的股價(jià)。（T）9.監(jiān)測(cè)病人心率的異常變化。(F)10.監(jiān)測(cè)地震活動(dòng)的地震波。(F)11.提取聲波的頻率。(F)12.根據(jù)顧客喜好擺放商品位置。（T）三、簡(jiǎn)答題（6個(gè)小題，每小題5分，共30分）13.什么是信息熵？答：信息熵(entropy)是用來(lái)度量一個(gè)屬性的信息量（1分）。假定S為訓(xùn)練集，S的目標(biāo)屬性C具有m個(gè)可能的類(lèi)標(biāo)號(hào)值，C={C1,C2,…,Cm}，假定訓(xùn)練集S中，Ci在所有樣本中出現(xiàn)

3、的頻率為(i=1,2,3,…,m)，則該訓(xùn)練集S所包含的信息熵定義為：（3分）熵越小表示樣本對(duì)目標(biāo)屬性的分布越純，反之熵越大表示樣本對(duì)目標(biāo)屬性分布越混亂。（1分）14．什么是文本挖掘？答：文本挖掘是一個(gè)對(duì)具有豐富語(yǔ)義的文本進(jìn)行分析，從而理解其所包含的內(nèi)容和意義的過(guò)程。（2分）對(duì)其進(jìn)行深入的研究可以極大地提高人們從海量文本數(shù)據(jù)中提取信息的能力，具有很高的商業(yè)價(jià)值。（1分）包括分詞、文本表示、文本特征選擇、文本分類(lèi)、文本聚類(lèi)、文檔自動(dòng)摘要等內(nèi)容。（2分）15.什么是主成份分析？答：主成份分析（PCA）是一種用于連續(xù)屬性的線(xiàn)性變換技術(shù)，找出新的屬性（主成份），（1

4、分）這些新屬性是原屬性的線(xiàn)性組合，（1分）是相互正交的，（1分）使得原來(lái)數(shù)據(jù)投影到較小的集合中，并且捕獲數(shù)據(jù)的最大變差。（1分）PCA通常揭示先前未曾覺(jué)察的聯(lián)系，解釋不尋常的結(jié)果。（1分）16.簡(jiǎn)述k-最近鄰算法過(guò)程。答：KNN分類(lèi)算法的基本描述如下:算法名：KNN輸入：最近鄰數(shù)目K，訓(xùn)練集D，測(cè)試集Z（1分）輸出：對(duì)測(cè)試集Z中所有測(cè)試樣本預(yù)測(cè)其類(lèi)標(biāo)號(hào)值（1分）(1)for每個(gè)測(cè)試樣本（1分）do(2)計(jì)算z和每個(gè)訓(xùn)練樣本之間的距離（1分）(3)選擇離z最近的k最近鄰集合（1分）(4)返回中樣本的多數(shù)類(lèi)的類(lèi)標(biāo)號(hào)（1分）(5)endfor17.簡(jiǎn)述Aprior

5、i算法原理。答：Apriori性質(zhì)：一個(gè)項(xiàng)集是頻繁的，那么它的所有子集都是頻繁的。（1分）一個(gè)項(xiàng)集的支持度不會(huì)超過(guò)其任何子集的支持度。（1分）該算法采用逐層的方法找出頻繁項(xiàng)集，（1分）首先找出1頻繁-項(xiàng)集，通過(guò)迭代方法利用頻繁k-1-項(xiàng)集生成k候選項(xiàng)集，（1分）掃描數(shù)據(jù)庫(kù)后從候選k-項(xiàng)集中指出頻繁k-項(xiàng)集，直到生成的候選項(xiàng)集為空。（1分）18.什么是離群點(diǎn)？答：離群點(diǎn)是在數(shù)據(jù)集中偏離大部分?jǐn)?shù)據(jù)的數(shù)據(jù)，（2分）使人懷疑這些數(shù)據(jù)的偏離并非由隨機(jī)因素產(chǎn)生，（1分）而是產(chǎn)生于完全不同的機(jī)制。（2分）四、計(jì)算題（共2題,每小題20分，共40分）319.數(shù)據(jù)集如下表：A

6、1A2A3B1B2B3B4C1C2C3x1975962728y2598294713以A1、B1、C1為初始簇中心，利用曼哈頓距離的k-means算法計(jì)算：(1)第一次循環(huán)后的三個(gè)簇中心；(2)最后的三個(gè)簇中心，以及各簇包含的對(duì)象。（要有計(jì)算步驟）解：（1）計(jì)算其他7個(gè)數(shù)據(jù)點(diǎn)到三個(gè)中心的曼哈頓距離：M(A2,A1)=11M(A2,B1)=7M(A2,C1)=4M(A3,A1)=13M(A3,B1)=3M(A3,C1)=2M(B2,A1)=8M(B2,B1)=10M(B2,C1)=7M(B3,A1)=12M(B3,B1)=2M(B3,C1)=3M(B4,A1)=

7、3M(B4,B1)=7M(B4,C1)=8M(C2,A1)=2M(C2,B1)=10M(C2,C1)=11M(C3,A1)=8M(C3,B1)=8M(C3,C1)=5經(jīng)過(guò)本次循環(huán)，屬于A1簇的數(shù)據(jù)點(diǎn)為（A1，B4，C2），（1分）中心為X1（1.67，2.33）；（1分）屬于B1簇的數(shù)據(jù)點(diǎn)為（B1，B3），（1分）中心為X2（5.5,8.5）；（1分）屬于C1簇的數(shù)據(jù)點(diǎn)為（C1，A2，A3，B2，C3），（1分）中心為X3（8,5.2）；（1分）（2）計(jì)算10個(gè)點(diǎn)到三個(gè)新中心的距離：M(A1，X1)=1M(A1，X2)=11M(A1，X3)=10.2M(A2

8、，X1)=10M(A2，X2)=7M(A2，X3)=