原数据挖掘习题.docx
《原数据挖掘习题.docx》由会员分享，可在线阅读，更多相关《原数据挖掘习题.docx（16页珍藏版）》请在冰点文库上搜索。
原数据挖掘习题
ch1
1.讨论以下每项活动是不是是数据挖掘任务：
（fgh是）
（a） 依照性别划分公司的顾客。
（b） 依照可获利性划分公司的顾客。
（c） 计算公司的总销售额。
（d） 按学生的标识号对学生数据库排序。
（e） 预测掷一对骰子的结果。
（f） 利用历史记录预测某公司以后的股票价钱。
（g） 监视病人心率的异样转变。
（h） 监视地震活动的地震波。
（i） 提取声波的频率。
2.（ch1）数据挖掘能够在很多数据源上进行，如关系数据库，空间数据库，多媒体数据库，文本数据库等。
3.（ch1）数据挖掘必然能够取得有趣的强关联规那么。
4.（ch1）为了提高挖掘质量，通常要进行数据预处置，包括数据清理、集成、选择、变换等。
5.（ch5）{发烧，上呼吸道感染}是
（2）项集
6.企业要成立预测模型，需预备建模数据集，以下四条描述建模数据集正确的选项是（B）。
A数据越多越好
B尽可能多的适合的数据
C数据越少越好
D以上三条都正确
7.数据挖掘算法以（D）形式来组织数据。
A行B列C记录D表格
Ch2
8.（ch2）
假定用于分析的数据包括属性age。
数据元组中age的值如下（按递增序）：
13，15，16，16，19，20，20，21，22，22，25，25，25，25，30，33，33，35，35，35，35，36，40，45，46，52，70，求：
1）利用按箱平均值滑腻对以上数据进行滑腻，箱的深度是3。
说明你的步骤。
2）利用按箱边界值滑腻对以上数据进行滑腻，箱的深度是3。
说明你的步骤。
7、P98（ch3）假定大学的数据仓库包括4个维{student学生、course课程、semester学期、instructor教师}，2个气宇count和avg_grade。
在最低的概念层（例如关于给定的学生、课程、学期和教师组合），气宇avg_grade存下学生的实际成绩。
为数据仓库画出雪花模式图8、P98（ch3）假定数据仓库包括4个维date,spectator,location和game，2个气宇count和charge。
其中，change是观众在给定的日期观看节目的付费。
观众能够是学生、成年人或老人，每类观众有不同的收费标准。
画出该数据仓库的星形模式图
10、（ch5）
数据库有4个事物。
设min_sup=60%,min_conf=80%
TID
日期
购买的物品
T100
99/10/15
{K,A,D,B}
T200
99/10/15
{D,A,C,E,B}
T300
99/10/19
{C,A,B,E}
T400
99/10/22
{B,A,D}
a）利用Apriori算法找出最大得频繁项集b）列出所有强关联规那么（带支持度s和置信度c）
11.（参P229）
假定希望分析爱喝咖啡和爱喝茶得人之间得关系。
搜集一组人关于饮料偏爱的信息，汇总如下：
咖啡
不喝咖啡
汇总
茶
150
50
200
不喝茶
650
150
800
汇总
800
200
1000
假设支持度和置信度阈值别离为10%，50%，评估关联规那么{茶}——>{咖啡}。
（负相关）
12.（ch5,参P224）
有如下事务数据集。
试挖掘频繁项集。
（最小支持度为2）
TID
项
1
{a,b}
2
{bcd}
3
{acde}
4
{ade}
5
{abc}
6
{abcd}
7
{a}
8
{abc}
9
{abd}
10
{bce}
结果：
后缀
频繁项集
e
{e},{de},{ade},{ce},{ae}
d
{d},{cd},{bcd},{acd},{bd},{abd},{ad}
c
{c},{bc},{abc}{ac}
b
{b}{ab}
a
{a}
13.（ch5,参P256,17）
假定有一个购物篮数据集，包括100个事务和20个项。
若是项a的支持度为25%，项b得支持度为90%,且项集{ab}得支持度为20%。
令最小支持度阈值和最小置信度阈值别离为10%和60%。
1）计算关联{a}——>{b}的置信度。
依照置信度气宇，这条规那么是有趣的么？
（这条规那么是不是是强关联规那么？
）（80%,是）
2）{a}——>{b}是不是有趣？
（负相关，无趣）
11.求出下表的强关联规那么（ch5）
ID
P1
P2
P3
P4
1
bread
cheese
butter
water
2
water
milk
bread
noodle
3
orange
noodle
meat
beer
4
fish
softdrink
frozenmeal
bread
12、（ch6）下表给出某门课程假设干学生期中和期末考试成绩期中725081749486598365338881期末846377789075497977527490
绘数据图。
X和Y看上去具有线性联系吗？
13.（ch6）
下表是对是不是购买运算机的调查表，请依照ID3算法画出是不是购买运算机的决策树。
计数
年龄
收入
学生
信誉
归类：
买计算机？
64
青
高
否
良
不买
64
青
高
否
优
不买
128
中
高
否
良
买
60
老
中
否
良
买
64
老
低
是
良
买
64
老
低
是
优
不买
64
中
低
是
优
买
128
青
中
否
良
不买
64
青
低
是
良
买
132
老
中
是
良
买
64
青
中
是
优
买
32
中
中
否
优
买
32
中
高
是
良
买
63
老
中
否
优
不买
1
老
中
否
优
买
（参P94）
TID
有房
婚姻状况
年收入
拖欠贷款
1
是
单身
125K
否
2
否
已婚
100K
否
3
否
单身
70K
否
4
是
已婚
120K
否
5
否
离异
95K
是
6
否
已婚
60K
否
7
是
离异
220K
否
8
否
单身
85K
是
9
否
已婚
75K
否
10
否
单身
90K
是
一客户信息如下：
X=（有房=否，婚姻状况=已婚，年收入=120K）
用贝叶斯分类法，预测记录的拖欠贷款类别。
（否）
年收入
可能的分裂点
熵
60
65
70
75
80
85
90
95
100
110
120
125
220
原数据集合修正为：
TID
有房
婚姻状况
年收入
拖欠贷款
1
是
单身
125K（>
否
2
否
已婚
100K（>
否
3
否
单身
70K（<=
否
4
是
已婚
120K（>
否
5
否
离异
95K（<=
是
6
否
已婚
60K（<=
否
7
是
离异
220K（>
否
8
否
单身
85K（<=
是
9
否
已婚
75K（<=
否
10
否
单身
90K（<=
是
P（是）=p（否）=
因此，他可能不拖欠贷款
最正确割裂点：
15.（CH6，参P122）
考虑如下二元分类问题的训练样本：
顾客ID
性别
车型
衬衣尺码
类
1
男
家用
小
C0
2
男
运动
中
C0
3
男
运动
中
C0
4
男
运动
大
C0
5
男
运动
加大
C0
6
男
运动
加大
C0
7
女
运动
小
C0
8
女
运动
小
C0
9
女
运动
中
C0
10
女
豪华
大
C0
11
男
家用
大
C1
12
男
家用
加大
C1
13
男
家用
中
C1
14
男
豪华
加大
C1
15
女
豪华
小
C1
16
女
豪华
小
C1
17
女
豪华
中
C1
18
女
豪华
中
C1
19
女
豪华
中
C1
20
女
豪华
大
C1
1）计算整个训练样本集得GINI指标（）
2）计算属性顾客ID的GINI指标（0）
3）计算属性性别的GINI指标（）
4）那个属性更好？
性别、车型仍是衬衣尺码？
（车型，因为其GINI指标最低）
16.（CH6，参P122）
考虑如下二元分类问题的训练样本：
实例标号
a1
a2
a3
目标类
1
T
T
1
+
2
T
T
6
+
3
T
F
5
_
4
F
F
4
+
5
F
T
7
-
6
F
T
3
-
7
F
F
8
-
8
T
F
7
+
9
F
T
5
-
1）整个训练样本集关于类属性得熵是多少？
（）
2）关于这些训练样本，a1和a2的信息增益是多少？
（，）
3）关于持续属性a3，计算所有可能的划分的信息增益
是最正确割裂点。
4）依照信息增益，那个是最正确划分？
（在a1,a2,a3中）（a1）
5）依照GINI指标，那个是最正确划分？
（在a1,a2,a3中）（a1）
17.考虑如下二元分类问题得数据集（CH6，参P123）
A
B
类标号
T
F
+
T
T
+
T
T
+
T
F
-
T
T
+
F
F
+
F
F
+
F
F
+
T
T
+
T
F
+
1）计算依照属性A、B划分时得信息增益。
决策树归纳算法将会选择那个属性？
（GA=）
2）计算依照属性A、B划分时的GINI指标。
决策树归纳算法将会选择那个属性？
（不纯度降低：
,（B）
18.已知下表：
（CH6，参P124）
Ａ
Ｂ
Ｃ
实例数
＋
—
Ｔ
Ｔ
Ｔ
５
０
Ｆ
Ｔ
Ｔ
０
２０
Ｔ
Ｆ
Ｔ
２０
０
Ｆ
Ｆ
Ｔ
０
５
Ｔ
Ｔ
Ｆ
０
０
Ｆ
Ｔ
Ｆ
２５
０
Ｔ
Ｆ
Ｆ
０
０
Ｆ
Ｆ
Ｆ
０
２５
试成立一颗两层的决策树
１9.（CH6，参，Ｐ１３９）贝叶斯分类
考虑两队之间的足球竞赛：
对０和１.假设６５％的竞赛队０胜出，剩余得竞赛队１获胜。
队０获胜得竞赛中只有３０％是在队１的主场，而对１取胜的竞赛中７５％是主场获胜。
若是下一场竞赛在队１的主场进行，哪一支球队最有可能胜出呢？
（队１）
x：
东道主（0，1）y：
成功者（0，1）
队0取胜得概率：
p（y=0）=
队1取胜得概率：
p（y=1）=
对１取胜的竞赛中７５％是主场获胜：
队1获胜时作为东道主的概率：
p（x=1|y=1）=
队０获胜得竞赛中只有３０％是在队１的主场：
即队0取胜时队1作为东道主得概率：
P（x=1|y=0）=
比较P（y=1|x=1）和P（y=0|x=1）
P（y=1|x=1）>P（y=0|x=1）因此，队1可能取胜。
20.（ch6，参P195，8）
考虑以下数据集：
实例
A
B
C
类
1
0
0
1
-
2
1
0
1
+
3
0
1
0
-
4
1
0
0
-
5
1
0
1
+
6
0
0
1
+
7
1
1
0
-
8
0
0
0
-
9
0
1
0
+
10
1
1
1
+
1）估量条件概率P（A=1|+）,P（B=1|+）,P（C=1|+）,P（A=1|-）,P（B=1|-）,P（C=1|-）
，，，，，
2）依照1）中的条件概率，利用朴素贝叶斯分类方式预测测试样本（A=1,B=1,C=1）得类标号。
（+）
3）比较P（A=1）,P（B=1）和P（A=1,B=1）,陈述AB之间的关系。
（独立）
14、（ch7）假设数据集D含有9个数据对象（用2维空间的点表示）：
A1（3,2）,A2（3,9）,A3（8,6）,B1（9,5）,B2（2,4）,B3（3,10）,C1（2,6）,C2（9,6）,C3（2,2）采纳k-均值方式进行聚类，距离函数采纳欧几里德距离，取k=3，假设初始的三个簇质心为A1,B1,和C1，求：
（1）第一次循环终止时的三个簇的质心。
（2）最后求得的三个簇。
A2
A3
B2
B3
C2
C3
A1
√49
√41
√5
√64
√52
√1
B1
√52
√2
√50
√74
√1
√58
C1
√10
√36
√4
√17
√49
√16
第一次循环终止时：
（A1,C3）质心为（，2）或（3，2）
（B1,A3,C2）,质心为：
或（9，6）
（C1,A2,B2,B3）,质心为：
（，）或（3，8）
平方误差E=28
第二次循环
A1
A2
A3
B1
B2
B3
C1
C2
C3
3,2
0
√49
√41
√45
√5
√64
√17
√52
1
9,6
√52
√45
1
1
√53
√65
√49
0
√65
3,7
√25
√25
√26
√40
√10
√9
√2
√37
√26
第二次循环终止时：
（A1,B2,C3）质心为（，）或（2，3）
（A3,B1,C2）,质心为：
或（9，6）
（A2,B3,C1）,质心为：
（，）或（3，7）
平方误差E=21
第三次循环
A1
A2
A3
B1
B2
B3
C1
C2
C3
2,3
√2
√37
√45
√53
√1
√50
√9
√58
1
9,6
√52
√45
1
1
√53
√65
√49
0
√65
3,7
√25
√4
√26
√40
√10
√9
√2
√37
√37
第三次循环终止时：
（A1,B2,C3）质心为（，）或（2，3）不变
（A3,B1,C2）,质心为：
或（9，6）不变
（A2,B3,C1）,质心为：
（，）或（3，7）不变
平方误差E=21不变
15.（ch7）
已知四个点的坐标如下：
点
X坐标
Y坐标
P1
0
2
P2
2
0
P3
3
1
P4
5
1
其欧几里德距离矩阵：
P1
P2
P3
P4
P1
0
P2
0
P3
0
P4
2
0
试进行单链、全链聚类，并画出树形图。
答案：
单链：
P1
P2，p3
P4
P1
0
P2，p3
0
P4
2
0
P1
P2，p3,p4
P1
0
P2，p3,p4
0
P2,p3——P2,P3,P4——p2,p2,p4,p1
全链：
第一步同单链
P1
P2，p3
P4
P1
0
P2，p3
0
P4
0
P2,p3——P2,P3,P4——p2,p2,p4,p1
或：
P2,p3——P2,P3,P1——p2,p2,p1,p4
16.请将以下属性分类：
（ch7）
1）用AM和PM表示的时刻（序数变量）
2）按度测出得0和360之间的角度（区间标度变量）
3）奥运会上授予得铜牌、银牌和金牌（序数）
4）学生的性别（二元）
5）用如下值表示得透光能力：
不透明、半透明、透明（序数）
6）外衣寄放号码（当你出席一个活动时，你常常能够将你的外衣交给某个人，然后他给你一个号码，你能够在离开时来取）（名义）
17.计算下表表示的混淆矩阵得熵和纯度
簇
娱乐
财经
国外
都市
国内
体育
合计
#1
1
1
0
11
4
676
693
#2
27
89
333
827
253
33
1562
#3
326
465
8
105
16
29
949
合计
354
555
341
943
273
738
3204
18.已知四个点的相异度矩阵：
点
P1
P2
P3
P4
P1
0
P2
0
P3
0
P4
0
试进行单链、全链聚类，并画出树形图。
升级会员 