武汉大学研究生课程数据挖掘2015级研究生试题_第1页
武汉大学研究生课程数据挖掘2015级研究生试题_第2页
武汉大学研究生课程数据挖掘2015级研究生试题_第3页
武汉大学研究生课程数据挖掘2015级研究生试题_第4页
全文预览已结束

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

1、武汉大学计算机学院2015级研究生“数据仓库和数据挖掘”课程期末考试试题要求:所有的题目的解答均写在答题纸上,需写清楚题目的序号。每张答题纸都要写上姓名和学号。一、单项选择题(每小题2分,共20分)1、下面关于数据仓库的叙述中(B )是错误的。A.OLAP分为ROLAP、MOLAP和HOLAP B.星型模式下的维表是规范化的,而雪花模式下的不需要规范化 C.在查询效率方面,星型模式效率更高 D.在事实星座模式中有多个事实表,且它们共享相同的维表 2、下面关于维的叙述中( C)是错误的。A.维是人们观察数据的特定角度 B.维的层次性是由观察数据细致程度不同造成的 C.“某年某月某日”是时间维的层

2、次 错(“某年某月某日”是在时间维上位置的描述)D.“月、季、年”是时间维的层次 对(日、月、季、年是时间维的层次)3、可以对按季度汇总的销售数据进行( B),来观察按月汇总的数据。A.上卷B.下钻C.切片D.切块4、可以对按城市汇总的销售数据进行(A ),来观察按国家汇总的数据。A.上卷B.下钻C.切片D.切块5、将原始数据进行集成和变换等处理是在以下(C)步骤的任务。A.频繁模式挖掘B.分类和预测C.数据预处理D.数据流挖掘6、当不知道数据所带标签时,可以使用( B)技术促使带同类标签的数据与带其他标签的数据相分离。A.分类B.聚类C.关联分析D.隐马尔可夫链7、建立一个模型,通过这个模型

3、根据已知的变量值来预测其他某个变量值属于数据挖掘的( C)任务。A.根据内容检索B.建模描述C.预测建模D.寻找模式和规则8、利用信息增益方法作为属性选择度量建立决策树时,已知某训练样本集的4个条件属性的信息增益分别为:G(收入)=0.940位,G(职业)=0.151位,G(年龄)=0.780位,G(信誉)=0.048位,则应该选择(A )属性作为决策树的测试属性。 选信息增益最大的A.收入B.职业C.年龄D.信誉9、以下关于前馈神经网络的叙述中正确的是(C)。A.前馈神经网络只能有3层 错B.前馈神经网络中存在反馈 错C.前馈神经网络中每一层只接受来自前一层单元的输入D.以上都是正确的10、

4、以下(A )不是影响聚类算法结果的主要因素。A.已知类别的样本的质量B.聚类结束条件C.描述属性的选取D.对象的相似性度量二、(20分)假定某大学教务部门已经建立有教务管理系统,现在要创建一个数据仓库,至少包含以下分析功能:(1)分析全校各个专业各个省份学生的基础课程成绩为优秀的人数情况。(2)分析全校各个专业中年龄在16岁以下学生的人数情况。(3)分析全校各个学院所有课程的不及格的人数情况。完成如下任务:(1)根据你的思考设计该数据仓库的模式图,包含每个维表和事实表的结构。(15分)(2)指出你设计的数据仓库属于哪种模式。(5分)三、(20分)某个食品连锁店每周的事务记录如表1所示,每个事务

5、表示在一项收款机业务中卖出的商品项集,假定min_sup=40%,min_conf=40%,使用Apriori算法生成的强关联规则。 见ppt 5章-例5.1(apriori算法)表1 一个事务记录表事务项集1面包、果冻、花生酱2面包、花生酱3面包、牛奶、花生酱4啤酒、面包5啤酒、牛奶解:(1)由I=面包、果冻、花生酱、牛奶、啤酒的所有项目直接产生1-候选C1,计算其支持度,取出支持度小于supmin的项集,形成1-频繁集L1,如下表所示:项集C1 支持度 项集L1 支持度面包 花生酱 牛奶 啤酒 4/53/52/52/5面包 花生酱 牛奶 啤酒 4/5 3/5 2/5 2/5(2)组合连接L

6、1中的各项目,产生2-候选集C2,计算其支持度,取出支持度小于supmin的项集,形成2-频繁集L2,如下表所示:项集C2 支持度 项集L2支持度面包、花生酱 3/5面包、花生酱 3/5至此,所有频繁集都被找到,算法结束,所以,confidence(面包花生酱)=(4/5)/(3/5)=4/3> confmin confidence( 花生酱面包)=(3/5)/(4/5)=3/4> confmin所以,关联规则面包花生酱、 花生酱面包均是强关联规则。四、(20分)对于如表2所示的决策表(U,CD),C=a,b,c,d,D= e ,回答以下问题:(1)求POSC(D),判断该决策表是

7、否是协调的。(10分)(2)采用分辨矩阵求其所有相对属性约简和核。(10分)表2 一个决策表Uabcde100110201021302121410120510010612012721012821202解:(1)C=a,b,c,d,D=e,U/C=1,2,3,4,5,6,7,8(按C属性集划分的等价类)U/D=1,4,5,2,3,6,7,8(按D属性集划分的等价类)1,4,5集合关于U/C的下近似为1,4,52,3集合关于U/C的下近似为2,36,7,8集合关于U/C的下近似为6,7,8所以有POSC(D)=1,4,52,36,7,8=1,2,3,4,5,6,7,8=U,则该决策表是协调的。(2

8、)对应的分辨矩阵D如下:123456781bcdbd-abcabcabcd2-ababdabdadacd3ababcdacdabcdabcd4-bcdabcdabcd5bababcd6-7-8分辨矩阵中元素dij的计算过程是:若第i行与第j行的D值相同,则dij=(空),否则dij=第i行与第j行不同条件属性值的属性集。如第1行与第3行的D值不同,C中不同值的条件属性为b、d,所以d13=bd。由于分辨矩阵是对称的,所以只需求上或下三角部分。f(D)=(bcd)(bd)(abc)(abc)(abcd)(分辨矩阵中所有非空项的与)=b(ad)=(ab)(bd),两个属性约简为a,b、b,d。核=

9、a,bb,d=b。五、(20分)回答以下问题:(1)按照算法的主要思路,聚类算法分为哪几种常见的类型?BIRCH和DBSCAN算法分别属于什么类型?(10分)按照聚类分析方法的主要思路,可以被归纳为如下几种:划分法:基于一定标准构建数据的划分。层次法:对给定数据对象集合进行层次的分解。密度法:基于数据对象的相连密度评价。网格法:将数据空间划分成为有限个单元的网格结构,基于网格结构进行聚类。模型法:给每一个簇假定一个模型,然后去寻找能够很好的满足这个模型的数据集。基于层次聚类算法:BIRCH; 基于密度聚类算法:DBSCAN;(2)简要说明决策树分类算法中常用的选择测试属性和停止划分样本的方式,以及神经网络算法中常用的迭代终止条件。(10分)如何选择测试属性?测试属性的选择顺序影响决策树的结构甚至决策树的准确率。ID3算法主要是给出了通过信息增益的方式来选择测试属性。C4.5用信息增益率来选择属性,提高了衡量属性划分数据的广度和均匀性。如何停止划分样本?从根结点测试属性开始,每个内部

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论