原《数据挖掘》习题

1、精选优质文档-倾情为你奉上ch11. 讨论下列每项活动是否是数据挖掘任务：（fgh是）(a)   根据性别划分公司的顾客。(b)   根据可赢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)    使用历史记录预测某公司未来的股票价格。(g)   监视病人心率的异常变化。(h)   监视地震活动的地震波。(i)  

2、60;  提取声波的频率。2. （ch1）数据挖掘可以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) 数据挖掘一定可以得到有趣的强关联规则。4. （ch1） 为了提高挖掘质量，通常要进行数据预处理，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.企业要建立预测模型，需准备建模数据集，以下四条描述建模数据集正确的是( 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Ch28. （ch2）假定用于

3、分析的数据包含属性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）使用按箱平均值平滑对以上数据进行平滑，箱的深度是3。解释你的步骤。 2）使用按箱边界值平滑对以上数据进行平滑，箱的深度是3。解释你的步骤。7、P98 3.4（ch3）假定大学的数据仓库包含4个维student学生、course课程、semester学期、instructor教师，2个度量count和avg_grade。在最低的概念层（例如对于给定的学生、课程、学

4、期和教师组合），度量avg_grade存放学生的实际成绩。为数据仓库画出雪花模式图8、P98 3.5（ch3）假定数据仓库包含4个维date,spectator,location和game，2个度量count和charge。其中，change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。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T10099/10/15K,A,D,BT20099/10/15D,A,C,E,BT30099/10/19C,A,B,ET40099/10/

5、22B,A,Da)使用Apriori算法找出最大得频繁项集b)列出所有强关联规则（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。收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15050200不喝茶650150800汇总8002001000若支持度和置信度阈值分别为10%，50%，评估关联规则茶>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1a,b2bcd3acde4ade5abc6abcd7a8abc9abd10bce结果：后缀频繁项集ee,de,ade,ce,aedd,cd

6、,bcd,acd,bd,abd,adcc,bc,abcacbbabaa13.（ch5,参P256,17）假定有一个购物篮数据集，包含100个事务和20个项。如果项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分别为10%和60%。1）计算关联a>b的置信度。根据置信度度量，这条规则是有趣的么？（这条规则是否是强关联规则？）(80%,是)2）a>b是否有趣？（负相关，无趣）11. 求出下表的强关联规则（ch5）IDP1P2P3P41breadcheesebutterwater2watermilkbreadnoodle3orang

7、enoodlemeatbeer4fishsoftdrinkfrozenmealbread12、（ch6）下表给出某门课程若干学生期中和期末考试成绩期中 72 50 81 74 94 86 59 83 65 33 88 81期末 84 63 77 78 90 75 49 79 77 52 74 90绘数据图。X和Y看上去具有线性联系吗？13. （ch6） 下表是对是否购买计算机的调查表，请根据ID3算法画出是否购买计算机的决策树。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

8、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14.预测拖欠银行贷款的贷款者（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60650.826477072.50.7635575800.689668587.50.875499092.50.846449597

9、.50.51001100.68966120122.50.76355125172.50.82647220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(>97.5)否2否已婚100K(>97.5)否3否单身70K(<=97.5)否4是已婚120K(>97.5)否5否离异95K(<=97.5)是6否已婚60K(<=97.5)否7是离异220K(>97.5)否8否单身85K(<=97.5)是9否已婚75K(<=97.5)否10否单身90K(<=97.5)是P(是)=0.3 p(否)=0.7 所以，他可能不拖欠贷款最佳分裂

10、点：97.515.(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C02男运动中C03男运动中C04男运动大C05男运动加大C06男运动加大C07女运动小C08女运动小C09女运动中C010女豪华大C011男家用大C112男家用加大C113男家用中C114男豪华加大C115女豪华小C116女豪华小C117女豪华中C118女豪华中C119女豪华中C120女豪华大C11)计算整个训练样本集得GINI指标（0.5）2）计算属性顾客ID的GINI指标（0）3）计算属性性别的GINI指标（0.5）4）那个属性更好？性别、车型还是衬衣尺码？（车型，因为其GINI指

11、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a1a2a3目标类1TT1+2TT6+3TF5_4FF4+5FT7-6FT3-7FF8-8TF7+9FT5-1)整个训练样本集关于类属性得熵是多少？（0.9911）2）关于这些训练样本，a1和a2的信息增益是多少？（0.2294，0.0072）3）对于连续属性a3，计算所有可能的划分的信息增益2.0是最佳分裂点。4）根据信息增益，那个是最佳划分？（在a1,a2,a3中）（a1）5）根据GINI指标，那个是最佳划分？（在a1,a2,a3中）（a1）17.考虑如下二元分类问题得数据集(CH6，参P123)AB类标号TF+

12、TT+TT+TF-TT+FF+FF+FF+TT+TF+1)计算按照属性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=0.2813.GB=0.2565A）2）计算按照属性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：0.1371,0.1633, (B)18.已知下表： (CH6，参P124)实例数试建立一颗两层的决策树9. （CH6，参，）贝叶斯分类考虑两队之间的足球比赛：对和.假设的比赛队胜出，剩余得比赛队获胜。队获胜得比赛中只有是在队的主场，而对取胜的比赛中是主场获胜。如果下一场比赛在队的主场进行，哪一支球队最有可能胜出呢？（队）x：东道主（0，

13、1） y：胜利者（0，1）队0取胜得概率：p(y=0)=0.65 队1取胜得概率：p(y=1)=0.35对取胜的比赛中是主场获胜：队1获胜时作为东道主的概率：p(x=1|y=1)=0.75队获胜得比赛中只有是在队的主场：即队0取胜时队1作为东道主得概率：P(x=1|y=0)=0.3比较P(y=1|x=1)和P(y=0|x=1)P(y=1|x=1)>P(y=0|x=1) 所以，队1可能取胜。20.（ch6，参P195，8）考虑下列数据集：实例ABC类1001-2101+3010-4100-5101+6001+7110-8000-9010+10111+1)估计条件概率P(A=1|+), P(

14、B=1|+), P(C=1|+), P(A=1|-), P(B=1|-), P(C=1|-)(0.6，0.4，0.8，0.4，0.4，0.2)2)根据1）中的条件概率，使用朴素贝叶斯分类方法预测测试样本（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) 采用k-均值方法进行聚类，距离函数采用欧

15、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）第一次循环结束时的三个簇的质心。（2）最后求得的三个簇。A2A3B2B3C2C315225074158C110364174916第一次循环结束时：(A1,C3)质心为（2.5，2）或（3，2）（B1,A3,C2）,质心为：(8.7,5.7)或（9，6） （C1,A2,B2,B3）, 质心为：（2.7，8.3）或（3，8） 平方误差E=28第二次循环A1A2A3B1B2B3C1C2C33,20494145564175219,65245115365490653,72525264010923726第二

16、次循环结束时：(A1,B2,C3)质心为（2.3，2.7）或（2，3）（A3,B1, C2）,质心为：(8.7,5.7)或（9，6） （A2, B3 ,C1）, 质心为：（2.5，7.25）或（3，7） 平方误差E=21第三次循环A1A2A3B1B2B3C1C2C32,323745531 5095819,65245115365490653,7254264010923737第三次循环结束时：(A1,B2,C3)质心为（2.3，2.7）或（2，3）不变（A3,B1, C2）,质心为：(8.7,5.7)或（9，6）不变 （A2, B3 ,C1）, 质心为：（2.5，7.25）或（3，7）不变 平方误

17、差E=21不变15. （ch7）已知四个点的坐标如下：点X坐标Y坐标P102P220P331P451其欧几里德距离矩阵：P1P2P3P4P10P22.80P33.21.40P45.13.220试进行单链、全链聚类，并画出树形图。答案：单链：P1P2，p3P4P10P2，p32.80P45.120P1P2，p3,p4P10P2，p3,p42.80P2,p3P2,P3,P4p2,p2,p4,p1全链：第一步同单链P1P2，p3P4P10P2，p33.20P45.13.20P2,p3P2,P3,P4p2,p2,p4,p1或：P2,p3P2,P3,P1p2,p2,p1,p416.请将下列属性分类：（ch7）1)用AM和PM表示的时间（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