數(shù)據(jù)挖掘與數(shù)據(jù)倉庫技術(shù)

《數(shù)據(jù)挖掘與數(shù)據(jù)倉庫技術(shù)》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、一、問答題：1．?dāng)?shù)據(jù)倉庫和數(shù)據(jù)庫有何不同？它們有哪些相似之處？答：區(qū)別：數(shù)據(jù)倉庫是面向主題的,集成的,不易更改且隨時(shí)間變化的數(shù)據(jù)集合,用來支持管理人員的決策,數(shù)據(jù)庫由一組內(nèi)部相關(guān)的數(shù)據(jù)和一組管理和存取數(shù)據(jù)的軟件程序組成,是面向操作型的數(shù)據(jù)庫,是組成數(shù)據(jù)倉庫的源數(shù)據(jù).它用表組織數(shù)據(jù)，采用ER數(shù)據(jù)模型。它們都為數(shù)據(jù)挖掘提供了源數(shù)據(jù),都是數(shù)據(jù)的組合.2．什么是數(shù)據(jù)挖掘？請(qǐng)舉例。數(shù)據(jù)挖掘:是從大量數(shù)據(jù)中提取或"挖掘"知識(shí),也就是從存放在數(shù)據(jù)庫,數(shù)據(jù)倉庫或其他信息庫中的數(shù)據(jù)挖掘有趣知識(shí)的過程.數(shù)據(jù)挖掘是可以從數(shù)據(jù)庫中提取有趣的知識(shí)規(guī)律或高層信息發(fā)現(xiàn)的知識(shí),可以用于決策,過

2、程控制,信息管理,查詢處理.它不是一種從數(shù)據(jù)庫,統(tǒng)計(jì)學(xué)和機(jī)器學(xué)習(xí)發(fā)展的技術(shù)的簡(jiǎn)單轉(zhuǎn)化,它涉及多學(xué)科技術(shù)的集成,包括數(shù)據(jù)庫技術(shù),統(tǒng)計(jì)學(xué),機(jī)器學(xué)習(xí),高性能計(jì)算模式識(shí)別,神經(jīng)網(wǎng)絡(luò),數(shù)據(jù)可視化,信息檢索,圖象與信號(hào)處理和空間數(shù)據(jù)分析.隨著數(shù)據(jù)庫技術(shù)發(fā)展,數(shù)據(jù)的豐富帶來了對(duì)強(qiáng)有力的數(shù)據(jù)分析工具的需求,大量的數(shù)據(jù)被描述為"數(shù)據(jù)豐富,但信息貧乏",所以數(shù)據(jù)挖掘出來了.當(dāng)把數(shù)據(jù)挖掘看作知識(shí)發(fā)現(xiàn)過程時(shí),它涉及的步驟為:1)數(shù)據(jù)清理2)數(shù)據(jù)集成3)數(shù)據(jù)選擇4)數(shù)據(jù)變換5)數(shù)據(jù)挖掘6)模式評(píng)估7)知識(shí)表示3．試述對(duì)于多個(gè)異種信息源的集成，為什么許多公司寧愿使用更新驅(qū)動(dòng)的方法，而不愿使

3、用查詢驅(qū)動(dòng)的方法。因?yàn)閷?duì)于多個(gè)異種信息源的集成，查詢驅(qū)動(dòng)方法需要復(fù)雜的信息過濾和集成處理，并且與局部數(shù)據(jù)源上的處理競(jìng)爭(zhēng)資源，是一種低效的方法，開銷很大。而更新驅(qū)動(dòng)方法為集成的異種數(shù)據(jù)庫系統(tǒng)帶來了高性能，因?yàn)閿?shù)據(jù)被處理和重新組織到一個(gè)語義一致的數(shù)據(jù)存儲(chǔ)中，進(jìn)行查詢的同時(shí)并不影響局部數(shù)據(jù)源上進(jìn)行的處理，另外，還支持復(fù)雜的多維查詢。當(dāng)異種數(shù)據(jù)源上的數(shù)據(jù)格式一致或者轉(zhuǎn)換比較容易，并且所要求的查詢比較簡(jiǎn)單，不需要復(fù)雜的多維查詢時(shí)，查詢驅(qū)動(dòng)方法可能更受歡迎。4．在現(xiàn)實(shí)世界的數(shù)據(jù)中，元組在某些屬性上缺少值是常有的。描述處理該問題的各種方法。答：1）忽略元組2）人工填寫空缺值3

4、）使用一個(gè)全局常量填充空缺值4）使用屬性的平均值填充空缺值5）使用與給定元組屬同一類的所有樣本的平均值6）使用最可能的值填充空缺值。其中，方法3到6使數(shù)據(jù)傾斜，填入的值可能不正確。不過，方法6是最常用的方法5．對(duì)于類特征化，基于數(shù)據(jù)立方體的實(shí)現(xiàn)與諸如面向?qū)傩詺w納的關(guān)系實(shí)現(xiàn)之間的主要不同是什么？討論哪種方法最有效，在什么條件下最有效。數(shù)據(jù)立方體方法是基于數(shù)據(jù)倉庫的，面向預(yù)計(jì)算的，物化視圖的方法。它在OLAP或數(shù)據(jù)挖掘查詢提交處理之前，脫機(jī)計(jì)算聚集。面向?qū)傩詺w納是面向關(guān)系數(shù)據(jù)庫查詢的，基于概化的，聯(lián)機(jī)的數(shù)據(jù)分析處理技術(shù)。面向?qū)傩詺w納方法更有效，因?yàn)樵诿嫦驅(qū)傩詺w納之前

5、進(jìn)行數(shù)據(jù)聚焦，根據(jù)數(shù)據(jù)挖掘提供的信息進(jìn)行數(shù)據(jù)收集，選擇相關(guān)的數(shù)據(jù)集不僅使數(shù)據(jù)挖掘更有效，而且與整個(gè)數(shù)據(jù)庫挖掘相比，能產(chǎn)生更有意義的規(guī)則。　　二、填空題：　　1.數(shù)據(jù)挖掘是一個(gè)多學(xué)科領(lǐng)域，這些學(xué)科包括：,數(shù)據(jù)庫系統(tǒng)，統(tǒng)計(jì)學(xué)，機(jī)器學(xué)習(xí)，可視化和信息科學(xué)。　　2.數(shù)據(jù)挖掘的功能有概念/類描述，關(guān)聯(lián)分析，分類與預(yù)測(cè)，聚類分析，孤立點(diǎn)分析，演變分析。????3.數(shù)據(jù)挖掘的主要問題包括：挖掘方法和用戶交互問題，性能問題，數(shù)據(jù)庫類型的多樣性問題。????4.數(shù)據(jù)挖掘的性能問題包括：數(shù)據(jù)挖掘算法的有效性，算法的可伸縮性，并行、分布式、增量挖掘算法的研究?！　∪⒆C明題：　Apr

6、iori算法使用子集支持度性質(zhì)的先驗(yàn)知識(shí)。1．證明頻繁集的所有非空子集必須也是頻繁的。證明：根據(jù)定義，如果項(xiàng)集不滿足最小支持度閾值min_sup，則不是頻繁的，即如果想添加到，則結(jié)果項(xiàng)集不可能不更頻繁出現(xiàn)。因此，也不是頻繁的，即矛盾。2．證明項(xiàng)集的任意非空子集的支持度至少和s的支持度一樣大。同理可證?！　∷?、算法分析與擴(kuò)展任意選擇《數(shù)據(jù)挖掘》書的第一章至第八章中一個(gè)算法進(jìn)行分析與擴(kuò)展，要求：1.描述該算法的思想，層次結(jié)構(gòu)。2.寫出比較易懂的算法流程圖或偽代碼3.如果讓你用程序來實(shí)現(xiàn)算法，你準(zhǔn)備采用什么數(shù)據(jù)結(jié)構(gòu)實(shí)現(xiàn)（包括怎樣讀入和存放要處理的數(shù)據(jù)以及算法處理流程中

7、需要用到的數(shù)據(jù)結(jié)構(gòu)）,并做具體說明。4.指出算法的不足之處，應(yīng)該從哪些方面增強(qiáng)算法的功能和性能。K-平均算法：算法描述：首先，隨機(jī)地選擇什對(duì)象，每個(gè)對(duì)象初始地代表了一個(gè)簇的平均值或中心。對(duì)剩余的每個(gè)對(duì)象，根據(jù)其與各個(gè)簇中心的距離，將它賦給最近的簇。然后重新計(jì)算每個(gè)簇的平均值。這個(gè)過程不斷重復(fù)，直到準(zhǔn)則函數(shù)收斂。通常，采用平方誤差準(zhǔn)則，其定義如下：這里的E是數(shù)據(jù)庫中所有對(duì)象的平方誤差的總和，P是空間中的點(diǎn)，表示給定的數(shù)據(jù)對(duì)象，m；是簇C；的平均值k和m；都是多維的人這個(gè)準(zhǔn)則試圖使生成的結(jié)果簇盡可能地緊湊和獨(dú)立。這個(gè)算法嘗試找出使平方誤差函數(shù)值最小的k個(gè)劃分。當(dāng)結(jié)果

8、簇是密集的，而簇與簇之間