2015-6-数据挖掘与统计决策复习考试提纲与题型

1、数据挖掘与统计决策课程复习提纲 2015.6一、 概念题（约20%）1、 概念解释（10%）2、 是非题（10%） 概念题复习要点：1、 数据挖掘定义？数据挖掘与经典统计建模的异同点？ 2、 聚类定义？系统聚类、K均值聚类、Kohonen聚类的原理与特点？ 一般聚类数的判别？聚类结果的判别？ 3、 神经网络定义？感知机模型、BP模型、RBF模型的原理与应用特点（ 包括数据特点、结构特点、映射特点、权值修正特点、误差表示等）？3、 主成分分析与因子分析方法的特点？变量与主成分的关系？变量与公共因子的关系？ 载荷因子表示公因子与变量的什么关系？载荷因子取值不同表示公因子与变量关系的哪些不同？ 5、

2、决策树方法的定义？ID3、C4.5、二叉树方法的不同应用特点？决策树的评价标准？决策树的前后剪枝特点？后剪枝的形式评价与树结构评价定义？6、关联分析、时序关联分析方法的特点？ K项频繁集（大项目集）、K项大序列的定义？最大频繁（项目）集、最大序列的定义？频繁集（大项目集）支持度、大序列支持度定义？关联规则置信度、时序关联规则置信度定义？规则提取特点？规则检验定义？7、 遗传算法的定义与特点？适应值函数、选择算子、交叉算子、变异算子的理论定义？一般设计形式？模式定理的结论表示？设计与计算题（约80%）：二、 聚类分析：给出样品属性取值或变量观察值，1)要求计算距离矩阵，并按系统聚类法，以两点最大

3、或最小距离定义两类相似度进行聚类（样本或变量聚类），2)表出聚类过程及谱系图，并判别聚类结果。三、 主成分/因子分析: 给定变量与因子相关的载荷矩阵，在已知特征根及累计贡献率大于一定比例条件下，1）要求计算或判别选择主要变量、主要主成分、主要因子，2）用因子表示变量或用变量表示主成分。四、神经网络模型：给出已知样本与模型设计要求，1）要求通过样本学习和权值修正获取模型参数，建立神经网络模型（BP、RBF、感知机等），2）应用建立的模型进行检验、分类或预测。五、决策树分析：给出某实例集，1）要求利用ID3算法或C4.5算法或二叉树算法，判别节点与分枝，建立决策树。 2)给定检验样本集，对建立决策

4、树进行检验。 3)在假定条件下，对决策树进行剪枝判别，计算剪枝形式与剪枝结构评价。 六、1）关联分析：给出N个事务对应的物品项、最少支持度和最少可信度，要求用AP方法求最大频繁集和指定项目条件的关联规则。 2）时序关联分析：给出N个时间顾客的事务对应的物品项，最少支持度和最少可信度，要求用AP-G方法求最大序列和指定条件的时序关联规则。 3) 给定检验样本集，要求对提取规则进行检验，要求计算检验的误差。 七、遗传算法：1）给出N个个体组成的种群，在指定或设计适值函数下，进行选择、交叉与变异运算；2）给出某一问题，要求设计基因、个体和种群，并针对问题设计合理的适应值函数。参考试题形式：一. 概念

5、描述1数据挖掘是指 2遗传算法中的适应值函数是指 3. K-均值聚类是指 4. BP神经网络是指 5时序关联分析是指 二. 是非题1. DSS既具有数据驱动功能，又有模型驱动功能。（ ）2. 如果两产生式规则的证据相同，则两规则的结论也相同。（ ）3. 规则的不确定性是由证据的不确定性和结论的不确定性计算得到。（ ）4 启动混合推理一定要有事实支持。（ ）5. 在基于模糊产生式规则的不确定性推理中，推理结论的可信度仅与规则和条件的可信度有关。（ ）6 决策树的CART算法，是通过信息增益率最大来选择测试属性。（ ）7. 在同一实例集下，具有深度越小、叶结点数越多的决策树越优。（ ）8 时序关联

6、分析的Apriori-G 方法的最大序列一定包含客户标识。（ ）9. 启动混合推理一定要预先给定假设。（ ）10. RBF神经网络的输入层到隐层的映射是线性的。（ ）三、设有五个样本，每样本有n个指标，第i样本用类表示，两两之间的欧氏距离阵如下所示，试1）按最小距离聚类，表出聚类过程及聚类谱系图，2）从聚类谱系图中，通过类间距离求最合适的聚类类数。 0 1 0 3 5 0 4 7 2.5 0 6 2 5 8 0四1、设f(x)=x2, x5,30, 设想通过遗传算法求f(x)最小值。若个体为二进制表示，初始个体如下，请设计适值函数，并按要求填写下表 个体号初始个体初始个体的编码表示适应度复制数

7、(整数)随机交叉个体号随机交叉点为3时的交叉结果顺序抽取染色体，按变异概率10%、随机变异点为2实施变异的结果12711011221301101131910011448010003 2、设产品质量有质量指标为Y1，Y2YM ，影响质量的因素变量为X1,X2,XN，标准质量指标为Z1，Z2ZM，设想通过遗传算法求一组最优组合x1,x2,xN，如果采用实数编码，要求为这样的遗传算法设计1）基因与个体表示；2）种群表示；3）适值函数表示。五、设A，B，C，D，E分别表示五种物品，要求通过以下五项业务应用apriori算法分析五种物品的关联程度，求：1）若最少支持度为0.3，求最大频繁集；2）若最少支

8、持度为0.4，求任两项集出现而导致另一项集出现的关联规则。业务标识 物品 1 ACDE 2 BCD 3 A 4 CDE 5 ABCD六、设每个肺病例有五种症状：发烧（无、低、中度、高），咳嗽（轻微、中度、剧烈），X光所见阴影（点状、索条状、片状、空洞），血沉（正常、快），听诊（正常、干鸣音、水泡音），肺炎和肺结核部分病例集见下表，试用决策树的ID3算法识别根节点对应的症状及分支样本（分支样本用样本号表示）。样本号 病状病例号发烧咳嗽 X光所见血沉听诊肺炎1高剧烈片状正常水泡音2中度剧烈片状正常水泡音3低轻微点状正常干鸣音4高中度片状正常水泡音5中度轻微片状正常水泡音肺结核6无轻微索条状正常正常7高剧烈空洞快干鸣音8低轻微索条状正常正常9无轻微点状快干鸣音10低中度片状快正常七、设在开发某企业的DSS中,利用神经网络模型辅助投资方案选择。以X1、X2、X3分别表示三个评价投资方案指标的定义值，Y表示选择结果。已知两个样本的取值如下： X1 X2 X3 Y1 0 1 11 1 1 1假设阈值为0，且连接权初始值为0，调整因子=1。要求： 建立辅助投资方案决策的感知机模型； 当投资方案指标为（X1，X2，X3 ）=（1，0，0）时，求出相应的选择结果Y。 注意：考试时