数据仓库与数据挖掘习题课ppt课件

1、习题一习题一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。解答一解答一(a) 使用min-max规范化将ag

2、e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。3860. 00 . 00 . 00 . 113701335 min_min_max_minmaxminAAAAAAnewnewnewvv963.2927809 2770524645403635433230 2725422221202191621513A39. 03892. 09421.12037. 59421.12963.2935AssAvv解答一解答一( (续续) )(c) 使

3、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 35. 01035102jvv习题二习题二2.14 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。解答二解答二(a) 等频等深划分。(b) 等宽划分。 每个区间的宽度是：(215-5)/3=70bin15,10,11,13bin115

4、,35,50,55bin172,91,204,215bin15,10,11,13,15,35,50,55,72bin191bin1204,215习题三习题三3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

5、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开场，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“studentmajorstatusuniversityall”，该立方体包含多少方体？解答三解答三解答三解答三b)由基本方体student, course, semester, instructor开场，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O

6、LAP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=“Big University”，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“studentmajorstatusuniversityall”，该立方体包含多少方体？这个立方体将包含54=625个方体。习题四习题四4 假定数据仓库包含

7、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。

8、(b) 由基本方体 date, spectator, location, game开场，为列出2019 年学生观众在GM-Place 的总代价，应当执行哪些OLAP 操作？ 解答四解答四解答四解答四(b)由基本方体 date, spectator, location, game开场，为列出2019 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date id “上卷到year沿game维从game id “上卷到all沿location维从location id “上卷到location name沿spectator

9、维从spectator id “上卷到status取status=“students”，location name=“GM Place和year=2019切块习题五习题五5给定两个对象，分别表示为22，1，42，10），（20，0，36，8）：(a)计算两个对象之间的欧几里得距离(b)计算两个对象之间的曼哈顿距离(c)计算两个对象之间的明考斯基距离，p=3习题六习题六假设数据挖掘的任务是将如下 8个点(用(x,y)代表位置)聚类为3个簇: A1(2,10), A2(2,5),A3(8,4), B1(5,8),B2(7,5), B3(6,4), C1(1,2), C2(4,9)距离函数是欧几里德

10、距离.假设初始选择A1, B1,C1为每个聚类的中心.用k-平均算法来给出(a) 在第一次循环执行后的三个聚类中心(b) 最后的三个簇解答六解答六(a) (2,10),(6,6),(1.5,3.5)(b) A1 B1 C2A3 B2 C3A2 C1d2A1A2A3B1B2B3C1C2102536+369+425+2516+361+644+129+49+99+1604+91+1616+361+131+641+95316+364529058第一次迭代: 中心为1: A1(2,10), 2: B1(5,8), 3: C1(1,2)因此:1: A1 (2,10)2:A3, B1,B2, B3, C2

11、(6, 6)3: A2, C1 (1.5,3.5)d2A1A2A3B1B2B3C1C2102536+369+425+2516+361+644+123217852441133.52+6.52.52+1.526.52+0.523.52+4.525.52+1.524.52+0.520.52+1.522.52+5.52第二次迭代: 中心为1: (2,10), 2: (6,6), 3: (1.5,3.5)1: A1, C2 (3.5,9.5)2:A3, B1,B2, B3 (6.5, 5.25)3: A2, C1 (1.5,3.5)d2A1A2A3B1B2B3C1C211+.521+4.5252+5.5

12、222+1.5242+4.5232+5.5222+7.5212+.5224.52+7.524.52+0.2521.52+1.2521.52+2.752.52+0.252.52+1.2525.52+3.2522.52+3.7523.52+6.52.52+1.526.52+0.523.52+4.525.52+1.524.52+0.520.52+1.522.52+5.52第三次迭代: 中心为1: (3.5,9.5 ), 2: (6.5,5.25), 3: (1.5,3.5)1: A1, B1,C2 (11/3,9)2:A3, B2, B3 (7, 13/3)3: A2, C1 (1.5,3.5)d2A1A2A3B1B2