数据仓库与数据挖掘习题课1.ppt

数据仓库与数据挖掘 主讲教师 王浩畅e mail wanghch angel schoolofcomputer informationtechnologyofnepu 习题课1 习题2 9 假设医院检测随机选择的18个成年人年龄和身体脂肪数据 得到如下结果 a 计算年龄和脂肪百分比的均值 中位数和标准差 b 绘制年龄和脂肪百分比的盒图 c 根据这两个属性 绘制散布图和q q图 d 根据z score规范化来规范化这两个属性 e 计算相关系数 这两个变量是正相关还是负相关 解答2 9 a 计算年龄和脂肪百分比的均值 中位数和标准差age的均值 age的中位数 age的标准差 12 85 fat的均值 28 78将 fat排序 fat的中位数 fat的标准差 8 99 解答2 9 续 b 绘制年龄和脂肪百分比的盒图离群点 当值超过四分位数不到1 5iqr 解答2 9 续 c 根据这两个属性 绘制散布图和q q图 解答2 9 续 d 根据z score规范化来规范化这两个属性 e 计算相关系数 这两个变量是正相关还是负相关 thecorrelationcoefficientis0 82 thevariablesarepositivelycorrelated 习题2 12 假定用于分析的数据包含属性age 数据元组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 36 40 45 46 52 70 a 使用min max规范化将age值35变换到 0 0 1 0 区间 b 使用z score规范化变换age值35 其中age的标准差为12 94岁 c 使用小数定标规范化变换age值35 d 对于给定的数据 你愿意使用哪种方法 陈述你的理由 解答2 12 a 使用min max规范化将age值35变换到 0 0 1 0 区间 mina 13 maxa 70 new mina 0 0 new maxa 1 0 而v 35 b 使用z score规范化变换age值35 其中age的标准差为12 94岁 解答2 12 续 c 使用小数定标规范化变换age值35 由于最大的绝对值为70 所以j 2 d 对于给定的数据 你愿意使用哪种方法 陈述你的理由 答 更倾向于选择小数定标规范化 因为小数定标规范化会保持数据的分布 这种变换更直观并容易解释 习题2 14 2 14假设12个销售价格记录组已经排序如下 5 10 11 13 15 35 50 55 72 92 204 215 使用如下每种方法将其划分成三个箱 a 等频 等深 划分 b 等宽划分 c 聚类 解答2 14 a 等频 等深 划分 b 等宽划分 每个区间的宽度是 215 5 3 70 c 聚类 我们可以使用一种简单的聚类技术 用2个最大的间隙将数据分成3个箱 习题3 4 3 4假定biguniversity的数据仓库包含如下4个维 student student name area id major status university course course name department semester semester year 和instructor dept rank 2个度量 count和avg grade 在最低概念层 度量avg grade存放学生的实际课程成绩 在较高概念层 avg grade存放给定组合的平均成绩 a 为该数据仓库画出雪花形模式图 b 由基本方体 student course semester instructor 开始 为列出biguniversity每个学生的cs课程的平均成绩 应当使用哪些特殊的olap操作 c 如果每维有5层 包括all 如 student major status university all 该立方体包含多少方体 解答3 4 解答3 4 b 由基本方体 student course semester instructor 开始 为列出biguniversity每个学生的cs课程的平均成绩 应当使用哪些特殊的olap操作 这些特殊的联机分析处理 olap 操作有 沿课程 course 维从course id 上卷 到department 沿学生 student 维从student id 上卷 到university 取department cs 和university biguniversity 沿课程 course 维和学生 student 维切块 沿学生 student 维从university下钻到student name c 如果每维有5层 包括all 如 student major status university all 该立方体包含多少方体 这个立方体将包含54 625个方体 习题3 5 3 5假定数据仓库包含4个维 date day month quarter year spectator spectator name status phone address location location name phone street city province country 和game game name description description producer 2个度量 count和charge 其中 charge是观众在给定的日期观看节目的付费 观众可以是学生 成年人或老人 每类观众有不同的收费标准 a 画出该数据仓库的星形模式图 b 由基本方体 date spectator location game 开始 为列出2004年学生观众在gm place的总代价 应当执行哪些olap操作 解答3 5 解答3 5 b 由基本方体 date spectator location game 开始 为列出2004年学生观众在gm place的总代价 应当执行哪些olap操作 这些特殊的联机分析处理 olap 操作有 沿date维从dateid 上卷 到year沿game维从gameid 上卷 到