2015新pep四年级下册英语期末试卷(附听力材料)

2014 2015学年第二学期期末考试数据挖掘技术试卷(a卷)参考回答班/12/13/14解答时间_120分_一、填空问题(共10空，1空1分钟，共10分钟)1 .数据挖掘任务：分类、聚类、回归、相关分析、离群点监测、进化分析、序列模型。2 .数据集的三个重要特性： _维、稀疏性和分辨率。二、判断问题(合计10小问题，每小问题1分，合计10分)确定以下3-7小问题的描述是否正确3.ID3算法不仅能处理离散属性，还能处理连续属性。 (f )4 .决策树方法通常用于关联规则挖掘。 (f )5 .预处理原理可以表示频繁项集合的子集也应该是频繁的。 (t )6.Clementine是IBM的专业级数据挖掘软件。 (t )7 .具有高支持度的项目集具有高可靠度。 (f )确定以下8到12个主题的说明是否属于数据挖掘任务8 .利用历史数据预测公司未来股价。 (t )9 .监测患者心率的异常变化。 (f )10 .监测地震活动的地震波。 (f )11 .提取声波的频率。 (f )12 .根据顾客的喜好配置商品的位置。 (t )三、简单解答(6个小题，每小题5分，共30分)13 .什么是信息熵？答：熵(entropy )是用于测量属性的信息量(1分钟)。 假定s是一个训练集，而s的目标属性c具有m个可能的类别值，并且C=C1，C2，Cm，其中Ci出现于训练集s内的所有样本的频率为(I=1，2，3，m )，则包括在训练集s中的信息熵定义为(3个点)熵越小表示样本在目标属性上的分布越纯粹，相反熵越大表示样本在目标属性上的分布越混乱。 (1分)14 .什么是文本挖掘？答：文本挖掘是一个分析含义丰富的文本并理解其内容和含义的过程。 (2点)对其进行深入研究，可以大大提高人们从大量文本数据中提取信息的能力，具有较高的商业价值。 (1点)分词、文本表现、文本特征选择、文本分类、文本聚类、文档自动摘要等。 (2分)15 .什么是主成分分析？a :主成分分析(PCA )是用于连续属性的线性变换技术，找到新的属性(主成分)，(1)这些新的属性是原属性的线性组合，(1)相互正交，(1)将原数据投影到小集合上，使数据的收集最大化。 (1点) PCA通常明确以前没有发现的联系，说明罕见的结果。 (1分)16 .简述k -最近邻算法的过程。答： a:KNNN分类算法的基本描述是：算法名称： KNN输入：最近邻数k、训练集d、测试集Z (1点)输出：预测测试集z中所有测试样本的类标签值(1分钟)(1)for各测试样本(1点) do(2)计算z和每个训练样本的距离(1分钟)(3)选择离z最近的离k最近的邻接集合(1点)。(4)返回中样本多个类的类标签(1点)(5)结束17 .简要阐述了apriori算法的原理。Apriori的性质：项目集频繁，其子集都频繁。 (1点)一个项目集的支持度不超过其子集的支持度。 (1点)该算法以分层方式找到频繁的项集，(1点)首先找到频繁的项集，以重复的方式利用频繁的k-1项集生成k候选集，(1点)在扫描数据库之后，从候选k项集中频繁的k项集，直到生成的候选集为空为止(1分)18 .什么是离群点？a :离群点是远离大部分数据的数据，(2点)这些数据的偏差不是随机因素，而是(1点)发生在完全不同的机制中。 (2分)四、算题(共两题，每小题二十分，共四十分)19 .数据集如下表所示：A1A2a3.a3B1B2B3B4c1.c1c2.c2C3x1975962728y2598294713利用曼哈顿距离的k均值算法以A1、B1、C1为初始聚类中心进行计算(1)第1次循环后的3个集群中心(2)最后3个集群的中心和各集群所包含的对象。 (需要计算步骤)解： (1)计算从其他7个数据到3个中心的曼哈顿距离M(A2，A1)=11 M(A2，B1)=7 M(A2，C1)=4M(A3，A1)=13 M(A3，B1)=3 M(A3，C1)=2M(B2，A1)=8 M(B2，B1)=10 M(B2，C1)=7M(B3，A1)=12 M(B3，B1)=2 M(B3，C1)=3M(B4，A1)=3 M(B4，B1)=7 M(B4，C1)=8M(C2，A1)=2 M(C2，B1)=10 M(C2，C1)=11M(C3，A1)=8 M(C3，B1)=8 M(C3，C1)=5经过此次循环，属于A1集群的数据点为(A1，B4，C2)，(1分钟)中心为x1(1. 67，2.33 ) (1分钟)属于B1簇的数据点是(B1，B3 )，(1分钟)中心是x2 (5.5，8.5 ) (1点)属于C1簇的数据点是(C1，A2，A3，B2，C3 )，(1分钟)中心是x3 (8，5.2 ) (1点)(2)计算从10个到3个新中心的距离M(A1，X1)=1 M(A1，X2)=11 M(A1，X3)=10.2M(A2，X1)=10 M(A2，X2)=7 M(A2，X3)=1.2M(A3，X1)=12 M(A3，X2)=2 M(A3，X3)=4.8M(B1，X1)=9 M(B1，X2)=1 M(B1，X3)=5.8M(B2，x1 )=7.66米(B2，x2 )=10米(B2，X3)=4.2M(B3，X1)=11 M(B3，X2)=1 M(B3，X3)=5.8M(B4，X1)=2 M(B4，X2)=8 M(B4，X3)=7.2M(C1，X1)=10 M(C1，X2)=3 M(C1，X3)=2.8M(C2，x1 )=1.66米(C2，x2 )=11米(C2，X3)=10.2M(C3，X1)=7 M(C3，X2)=8 M(C3，X3)=2.2通过本次循环，属于X1簇的数据点为(A1，B4，C2 )，(1分钟)中心为y1 (1.67，2.33 ) (1分钟)属于X2簇的数据点为(A3，B1，B3 )，(1分钟)中心为y2 (6，8.67 ) (1点)属于X3簇的数据点是(A2，B2，C1，C3 )，(1分钟)中心是y3 (8.25，4.25 ) (1点)重新计算10个数据到3个新中心的距离M(A1，Y1)=1 M(A1，Y2)=11.67 M(A1，Y3)=9.5M(A2，Y1)=10 M(A2，Y2)=6.67 M(A2，Y3)=1.5M(A3，Y1)=12 M(A3，Y2)=1.33 M(A3，Y3)=6M(B1，Y1)=9 M(B1，Y2)=1.67 M(B1，Y3)=7M(B2，Y1)=7.66 M(B2，Y2)=9.67 M(B2，Y3)=3M(B3，Y1)=11 M(B3，Y2)=0.33 M(B3，Y3)=7M(B4，Y1)=2 M(B4，Y2)=8.67 M(B4，Y3)=6.5M(C1，Y1)=9 M(C1，Y2)=2.67 M(C1，Y3)=4M(C2，Y1)=1.66 M(C2，Y2)=11.67 M(C2，Y3)=9.5M(C3，Y1)=7 M(C3，Y2)=7.67 M(C3，Y3)=1.5经过此次循环，属于Y1簇的数据点为(A1，B4，C2)，(1分钟)中心为y1(1. 67，2.33 ) (1分钟)属于Y2簇的数据点是(A3，B1，B3，C1 )，(1分钟)中心是y2 (6.25，8.25 ) (1点)属于Y3簇的数据点为(A2，B2，C3 )，(1分钟)中心为y3 (8.67，3.33 ) (1点)正如你看到的，已经没有变化了。 (2分)天气状态x1温度状况x2湿度状况x3风力时为x4户外运动y晴天很贵很大微风不适合n晴天很贵很大强风不适合n阴天很贵很大微风符合y下雨进去很大微风符合y下雨低中等程度微风符合y下雨低中等程度强风不适合n阴天低中等程度强风符合y晴天进去很大微风不适合n晴天低中等程度微风符合y下雨进去中等程度微风符合y20 .已知数据集如下表所示：如果使用朴素的Bayes算法预测气候状况是雨、高温、湿度等微风，适合野外运动吗？解：即，求出X=雨、高、中、微风的能够进行野外运动的后验概率P(Y=y|X )和x在室外运动中不能进行的后验概率P(Y=n|X )，其中概率最大的是x的预测值。 (3分)根据Bayes定理，p (y=y|x )=p (x|y=y ) * p (y=y )=p (x1|y=y ) * p (x2|y=y ) * p (x3|y=y ) * p (x4|y=y ) * p (y=y ) (两分钟)在此，P(x1|Y=y)=P(x1=雨|Y=y)=3/6 (1分钟)P(x2|Y=y)=P(x2=高|Y=y)=1/6 (1分钟)P(x3|Y=y)=P(x3=中|Y=y)=4/6 (1分钟)P(x4|Y=y)=P(x4=微风|Y=y)=5/6 (1分钟)P(Y=y)=6/10 (1分钟)因此，p (y=y|x )=3/6*1/6*4/6*5/6*6/10=1/36 (1分钟)同样，计算p (y=n|x )=p (x|y=n ) * p (y=n )=p (x1| y=n ) * p (x2| y=n ) * p (x3| y=n ) * p (x4| y=n ) * p (y=n ) (1分钟)在此，P(x1|Y=n)=P(x1=雨|Y=n)=1/4 (1分钟)P(x2|Y=n)=P(x2=高|Y=n)=2/4 (1分钟)P(x3|Y=n)=P(x3=中|Y=n)=1/4 (1分钟)P(x4|Y=n)=P(x4=微风|Y=n)=2/4 (1分钟)P(Y=n)=4/10 (1分钟)因此，p (y=n|x )=1/4*2/4*1/4*2/4*4/10=1/160 (1分钟)由于P(Y=y|X) P(Y=n|X )，气候状况为雨、高温、湿度为中等程度，微风时，户外运动应适当。 (2分)五、应用问题(共一题，共十分钟)21 .作