数据挖掘习题

数据挖掘复习题

单选题

1.某超市研究销售纪录数据后发现，买啤酒的人很大概率也会购买尿布，这种属于数据挖掘

的哪类问题?（A）

A.关联规则发现B.聚类

C.分类D.自然语言解决

2.如下两种描述分别相应哪两种对分类算法的评价原则？（A）

（a）警察抓小偷，描述警察抓的人中有多少个是小偷的原则。

（b）描述有多少比例的小偷给警察抓了的原则。

A.Precision,RecallB.Recall,Precision

A.Precision,ROCD.Recall,ROC

3.将原始数据进行集成、变换、维度规约、数值规约是在如下哪个环节的任务？（C）

A.频繁模式挖掘B.分类和预测C.数据预解决D.数据流挖掘

4当不懂得数据所带标签时，可以使用哪种技术促使带同类标签的数据与带其她标签的数据

相分离？（B）

A.分类B.聚类C关联分析D.隐马尔可夫链

5.什么是KDD?（A）

A.数据挖掘与知识发现B.领域知识发现

C.文档知识发现D.动态知识发现

6.使用交互式的和可视化的技术，对数据进行摸索属于数据挖掘的哪一类任务？（A）

A.摸索性数据分析B.建模描述

C.预测建模D.寻找模式和规则

7.为数据的总体分布建模；把多维空间划提成组等问题属于数据挖掘的哪一类任务？（B）

A.摸索性数据分析B.建模描述

C预测建模D.寻找模式和规则

8.建立一种模型，通过这个模型根据已知的变量值来预测其她某个变量值属于数据挖掘的哪

一类任务？（C）

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

9.顾客有一种感爱好的模式并且但愿在数据集中找到相似的模式，属于数据挖掘哪一类任

务？（A）

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

11.下面哪种不属于数据预解决的措施？（D）

A变量代换B离散化C汇集D估计漏掉值

12.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

用如下每种措施将它们划提成四个箱。等频（等深）划分时,15在第几种箱子内？（B）

A第一种B第二个C第三个D第四个

13.上题中，等宽划分时（宽度为50）,15又在哪个箱子里？（A）

A第一种B第二个C第三个D第四个

14.下面哪个不属于数据的属性类型:（D）

A标称B序数C区间D相异

15.在上题中，属于定量的属性类型是:（C）

A标称B序数C区叵D相异

16.只有非零值才重要的二元属性被称作:（C）

A计数属性B离散属性C非对称的二元属性D对称属性

17.如下哪种措施不属于特性选择的原则措施：（D）

A嵌入B过滤C包装D抽样

18.下面不属于创立新属性的有关措施的是：（B）

A特性提取B特性修改C映射数据到新的空间D特性构造

19.考虑值集{12345.90},其截断均值（p=20%）是（C）

A2B3C3.5D5

20.下面哪个属于映射数据到新的空间的措施？（A）

A傅立叶变换B特性加权C渐进抽样D维归约

21.熔是为消除不拟定性所需要获得的信息量，投掷均匀正六面体骰子的烯是：（B）

A1比特B2.6比特C3.2比特D3.8比特

22.假设属性income的最大最小值分别是1元和98000元。运用最大最小规范化的措施将

属性的值映射到0至1的范畴内。对属性income的73600元将被转化为:（D）

A0.821B1.224C1.458D0,716

23.假定用于分析的数据涉及属性age。数据元组中age的值如下（按递增序）:13,15,16,16.

19.20.20.21.22.22.25.25.25.30.33.33.35.35,36,40,45,46,52.70,问题:使用按箱平均

值平滑措施对上述数据进行平滑，箱的深度为3。第二个箱子值为:（A）

A18.3B22.6C26.8D27.9

24.考虑值集{1224332455C826},其四分位数极差是:（A）

A31B24C55D3

25.所大学内的各年龄人数分别为：年级200人，二年级163人，二年级130人，四年级

"0人。则年级属性的众数是（A）

A一年级B二年级C三年级D四年级

26.下列哪个不是专门用于可视化时间空间数据的技术：（B）

A等高线图B饼图C曲面图D矢量场图

27.在抽样措施中，当合适的样本容量很难拟定期,可以使用的抽样措施是：(D)

A有放回的简朴随机抽样B无放回的简朴随机抽样C分层抽样D渐进抽样

28.数据仓库是随着时间变化的，下面的描述不对的的是(C)

A.数据仓库随时间的变化不断增长新的数据内容；

B.捕获到的新数据会覆盖本来为快照；

C.数据仓库随事件变化不断删去旧的数据内容：

D.数据仓库中涉及大量的综合数据，这些综合数据会随着时间的变化不断地进行重新综合.

29.有关基本数据的元数据是指:(D)

A.基本元数据与数据源，数据仓库,数据集市和应用程序等构造有关的信息；

B.基本元数据涉及与公司有关的管理方面的数据和信息；

。基本元数据涉及曰记文献和简历执行解决的时序调度信息；

D.基本元数据涉及有关装载和更新解决，分析解决以及管理方面的信息.

30.下面有关数据粒度的描述不对的的是:(C)

A.粒度是指数据仓库小数据单元的具体限度和级别；

B.数据越具体，粒度就越小，级另J也就越高；

C数据综合度越高粒度也就越大，级别也就越高；

D.粒度的具体划分将直接影响数据仓库中的数据量以及查询质量.

31.有关数据仓库的开发特点不对的的描述是:(A)

A.数据仓库开发要从数据出发；

B.数据仓库使用的需求在开发出去就要明确；

C.数据仓库的开发是一种不断循环的过程，是启发式的开发；

D.在数据仓库环境中，并不存在操作型环境中所固定的和较确切的解决流，数据仓库中数据分

析和解决更灵活，且没有固定的模式

32.在有关数据仓库测试,下列说法不对的的是:(D)

A.在完毕数据仓库的实行过程中，需要对数据仓库进行多种测试.测试工作中要涉及单元测试

和系统测试.

B.当数据仓库的每个单独组件完毕后，就需要对她们进行单元测试.

C系统的集成测试需要对数据仓库的所有组件进行大量的功能测试和回归测试.

D.在测试之前没必要制定具体的测试筹划.

33.OLAP技术的核心是:(D)

A在线性;

B.对顾客的迅速响应；

C.互操作性.

D.多维分析；

34.有关OLAP的特性，下面对的的是:(D)

⑴迅速性(2)可分析性(3)多维性(4)信息性(5)共享性

A.(l)(2)(3)

B.(2)(3)(4)

C.(l)⑵⑶(4)

D.(l)(2)(3)(4)(5)

35.有关OLAP和OLTP的区别描述，不对的的是:(C)

A.OLAP重要是有关如何理解二集的大量不同的数据.它与OTAP应用程序不同.

B.与OLAP应用程序不同QLTP应用程序涉及大量相对简朴的事务.

C.OLAP的特点在于事务量大，但事务内容比较简朴且反复率高

D.OLAP是以数据仓库为基本的,但其最后数据来源与OLTP同样均来自底层的数据库系统,

两者面对的顾客是相似的.

36QLAM技术一般简称为“数据联机分析挖掘"，下面说法对的的是:(D)

A.OLAP和OLAM都基于客户机/服务器模式，只有后者有与顾客的交互性；

B.由于OLAM的立方体和用于OLAP的立方体有本质的区别.

C.基于WEB的OLAM是WEB技术与OLAM技术的结合.

D.OLAM服务器通过顾客图形借口接受顾客的分析指令，在元数据的懂得下，对超级立方体作

一定的操作.

37.有关OLAP和OLTP的说法，下列不对的的是:(A)

A.OLAP事务量大，但事务内容;匕较简朴且反复率高.

B.OLAP的最后数据来源与OLTP不同样.

C.OLTP面对的是决策人员和高层管理人员.

D.OLTP以应用为核心，是应用驱动的.

38.设X={1,2.3}是频繁项集，则可由X产生_(C)_个关联规则。

A.4B.5C.6D,7

40.概念分层图是_(B)_图。

A.无向无环B.有向无环C.有向有环D.无向有环

41.频繁项集、频繁闭项集、最大频繁项集之间的关系是：(C)

A.频繁项集频繁闭项集二最大频繁项集

B.频繁项集=频繁闭项集最大频繁项集

C.频繁项集频繁闭项集最大频繁项集

D.频繁项集=频繁闭项集=最大频繁项集

42.考虑下面的频繁3-项集的集合:{1.2.3},{1,2.4},{1.2.5},{1.3.4},{1,3.5},{2,3.4},{2,3.5).

{3,4.5}假定数据集中只有5个项，采用合并方略，由候选产生过程得到4-项集不涉及(C)

A.1,2.3.4B.1,2,3,5C.1,2,4,5D.1,3,4,5

43.下面选项中t不是s的子序列的是(C)

A.s=<{2.4},{3,5.6},{8}>t=<{2},{3,6},{8}>

B.s=<{2.4},{3,5.6},{0}>t=<{2},{8}>

C.S=<{1.2},{3.4}>t=<{l},{2}>

D.s=<{2.4},{2.4}>t=<{2},{4}>

44.在图集合中发现一组公共子构造，这样的任务称为(B)

A.频繁子集挖掘B.频繁子图挖掘C.频繁数据项挖掘D.频繁模式挖掘

45.下列度显不具有反演性的是(D)

A.系数B.几率CCohen度量D.爱好因子

46.下列_(A)_不是将主观信息加入到模式发现任务中的措施。

A.与同一时期其她数据对比

B.可视化

C.基于模板的措施

D.主观爱好度量

47.下面购物篮可以提取的3-项集的最大数量是多少(C)

ID购买项

1牛奶，啤酒尿布

2面包，黄油牛奶

3牛奶，尿布饼干

4面包，黄油饼干

5啤酒.饼干尿布

6牛奶，尿布面包，黄油

7面包，黄油尿布

8啤酒.尿布

9牛奶，尿布，面包，黄油

10啤酒，饼干

A.lB.2C.3D,4

48.如下哪些算法是分类算法,A,DBSCANB,C4.5C.K-MeanD.EM⑻

49.如下哪些分类措施可以较好地避免样本的不平衡问题，A,KNNB,SVMC,BayesD,神经

网络(A)

50.决策树中不涉及一下哪种结点,A,根结点(rootnode)B,内部结点(internalnode)C,外

部结点(externalnode)D,叶结点(leafnode)(C)

51.不纯性度量中Gini计算公式为(其中c是类的个数)(A)

A,B,C,D,(A)

53.如下哪项有关决策树的说法是错误的(C)

A.冗余属性不会对决策树的精确率导致不利的影响

B.子树也许在决策树中反复多次

C.决策树算法对于噪声的干扰非常敏感

D.寻找最佳决策树是NP完全问题

54.在基于规则分类器的中，根据规则质量的某种度量对规则排序，保证每一种测试记录都

是由覆盖它的“最佳的"规格来分类，这种方案称为(B)

A.基于类的排序方案

B.基于规则的排序方案

C.基于度量的排序方案

D.基于规格的排序方案。

55.如下哪些算法是基于规则的分类器(A)

A.C4.5B.KNNC.Na?veBayesD.ANN

56.如果规则集R中不存在两条规则被同一条记录触发，则称规则集R中的规则为(C)；

A,无序规则B,穷举规则C,互斥规则D,有序规则

57.如果对属性值的任一组合,R中都存在一条规则加以覆盖，则称规则集R中的规则为(B)

A,无序规则B,穷举规则C,互斥规则D,有序规则

58.如果规则集中的规则按照优先级降序排列，则称规则集是①)

A,无序规则B,穷举规则C,互斥规则D,有序规则

59.如果容许一条记录触发多条分类规则，把每条被触发规则的后件看作是对相应类的一次

投票，然后计票拟定测试记录的类标号，称为(A)

A,无序规则B,穷举规则C,互斥规则D,有序规则

60.考虑两队之间的足球比赛：队0和队1。假设65解的比赛队0胜出，剩余的比赛队1获胜。

队0获胜的比赛中只有30%是在队1的主场.而队1取胜的比赛中75%是主场获胜。如果下

一场比赛在队1的主场进行队1获胜的概率为(C)

A,0.75B.0.35C.0.4678D,0.5738

61.如下有关人工神经网络(ANN)的描述错误的有(A)

A.神经网络对训练数据中的噪声非常鲁棒B,可以解决冗余特性C.训练ANN是一种很

耗时的过程D,至少具有一种隐藏层的多层神经网络

62.通过汇集多种分类器的预测来提高分类精确率的技术称为(A)

A,组合(ensemble)B,汇集(aggregate)C,合并(combination)D,投票(voting)

63.简朴地将数据对象集划提成不重叠的子集，使得每个数据对象恰在一种子集中，这种聚

类类型称作(B)

A、层次聚类B、划分聚类C、非互斥聚类D、模糊聚类

64.在基本K均值算法里，当邻近度函数采用(A)的时候，合适的质心是簇中各点的中位

数。

A、曼哈顿距离B、平方欧几里德距离C、余弦距离D、Bregman散度

65.(C)是一种观测值，它与其她观测值的差别如此之大，以至于怀疑它是由不同的机制

产生的。

A、边界点B、质心C、离群点D、核心点

66.BIRCH是一种(B)o

A、分类器B、聚类算法C、关联分析算法D、特性选择算法

67.检测一元正态分布中的离群点，属于异常检测中的基于(A)的离群点检测。

A、记录措施B、邻近度C、密度D、聚类技术

60.(C)将两个簇的邻近度定义为不同簇的所有点对的平均逐对邻近度，它是种凝聚层

次聚类技术。

A、MIN(单链)B、MAX(全链)C、组平均D、Ward措施

69.(D)将两个簇的邻近度定义为两个簇合并时导致的平方误差的增量，它是一种凝聚层

次聚类技术。

A、MIN（单链）B、MAX（全链）C、组平均D、Ward措施

70.DBSCAN在最坏状况下的时间复杂度是（B）。

A、O（m）B、O（m2）C、O（logm）D、O（m*logm）

71.在基于图的簇评估度量表里面，如果簇度量为proximity（CiC）,簇权值为mi,那么它

的类型是（C）。

A、基于图的凝聚度B、基于原型的凝聚度C、基于原型的分离度D、

基于图的凝聚度和分离度

72.有关K均值和DBSCAN的比较，如下说法不对的的是（A）。

A、K均值丢弃被它辨认为噪声的对象，而DBSCAN一般聚类所有对象。

B、K均值使用簇的基于原型的概念，而DBSCAN使用基于密度的概念。

C、K均值很难解决非球形的簇和不同大小的簇，DBSCAN可以解决不同大小和不同形状

的簇。

D、K均值可以发现不是明显分离的簇，即便簇有重叠也可以发现，但是DBSCAN会合

并有重叠的簇。

73.如下是哪一种聚类算法的算法流程①构造k-近来邻图小②使用多层图划分算法划分图。

③repeat：合并有关相对互连性和相对接近性而言，最佳地保持簇的自相似性的簇。④until:

不再有可以合并的簇。（C）。

A、MSTB、OPOSSUMC、Chameleon口、Jarvis-Patrick（JP）

74.考虑这样一种状况：一种对象碰巧与另一种对象相对接近，但属于不同的类，由于这两

个对象一般不会共享许多近邻，因此应当选择（D）的相似度计算措施。

A、平方欧几里德距离B、余弦距离C、直接相似度D、共享近来邻

75.如下属于可伸缩聚类算法的是（A）。

A、CUREB、DENCLUEC、CLIQUED、OPOSSUM

76.如下哪个聚类算法不是属于基于原型的聚类（D）。

A、模糊c均值B、EM算法C、SOMD、CLIQUE

77.有关混合模型聚类算法的优缺陷，下面说法对的的是（B）。

A、当簇只涉及少量数据点，或者数据点近似协线性时，混合模型也能较好地解决。

B、混合模型比K均值或模糊c均值更一般，由于它可以使用多种类型的分布。

C、混合模型很难发现不同大小和椭球形状的簇。

D、混合模型在有噪声和离群点时不会存在问题。

78.如下哪个聚类算法不属于基于网格的聚类算法（D）。

A、STINGB、WaveClusterC、MAFIAD、BIRCH

79.一种对象的离群点得分是该对象周边密度的逆。这是基于（C）的离群点定义。

A.概率B、邻近度C、密度D、聚类

80.下面有关Jarvis-Patrick（JP）聚类算法的说法不对的的是：D）。

A、JP聚类擅长解决噪声和离群点，并且可以解决不同大小、形状和密度的簇。

B、JP算法对高维数据效果良好，特别擅长发现强有关对象的紧致簇。

C、JP聚类是基于SNN相颂度的概念。

D、JP聚类的基本时间复杂度为O（m）。

第一章

L数据仓库就是一种面向主题的、集成的、相对稳定的、反映历史变化的数据集合。

2.元数据是描述数据仓库内数据的构造和建立措施的数据，它为访问数据仓库提供了一种信

息目录，根据数据用途的不同可将数据仓库的元数据分为技术元数据和业务元数据两类。

3.数据解决一般提成两大类：联机事务解决和联机分析解决。

4.多维分析是指以“维”形式组织起来的数据（多维数据集）采用切片、切块、钻取和旋转

等多种分析动作.以求剖析数据,使拥护能从不同角度、不同侧面观测数据仓库中的数据,

从而进一步理解多维数据集中的信息。

5.R0LAP是基于关系数据库的OLAP实现，而MOLAP是基于多维数据构造组织的OLAP实

现。

6.数据仓库按照其开发过程，其核心环节涉及数据抽取、数据存储于管理和数据体现等。

7、数据仓库系统的体系构造根据应用需求的不同，可以分为如下4种类型：两层架构、独

立型数据集合、以来型数据结合和操作型数据存储和逻辑型数据集中和实时数据仓库。

8、操作型数据存储事实上是一种集成的、面向主题的、可更新的、目前值的（但是可“挥

发”的）、公司级的、具体的数据库，也叫运营数据存储。

9、"实时数据仓库”觉得着源数据系统、决策支持服务和仓库仓库之间以一种接近实时的速

度互换数据和业务规则。

10、从应用的角度看，数据仓庠的发展演变可以归纳为5个阶段：以报表为主、以分析为主、

以预测模型为主、以运营导向为主和以实时数据仓库和自动决策为主。

第二章

1.调和数据是存储在公司级数据仓库和操作型数据存储中的数据。

2.抽取、转换、加载过程的目的是为决策支持应用提供一种单一的、权威数据源。因此，我

们规定ETL过程产生的数据（即调和数据层）是具体的、历史的、规范的、可理解的、即时

的和质量可控制的。

3.数据抽取的两个常用类型是静态抽取和增量抽取。静态抽取用于最初填充数据仓库，增量

抽取用于进行数据仓库的维护。

4.粒度是对数据仓库中数据的综合限度高下的一种衡量“粒度越小，细节限度越高，综合限

度越低，回答查询的种类越多，

5、使用星型模式可以从一定限度上提高查询效率。由于星型模式中数据的组织已经通过预

解决，重要数据都在庞大的事实表中。

6、维度表一般又主键、分类层次和描述属性构成。对于主键可以选择两种方式：一种是采

用自然键，另一种是采用代理健。

7、雪花型模式是对星型模式维表的进一步层次化和规范化来消除冗余的数据。

8、数据仓库中存在不同综合级别的数据。一般把数据提成4个级别：初期细节级、目前细

节级、轻度综合级和高度综合级。

第三章

l.SQLServerSSAS提供了所有业务数据的批准整合试图，可以作为老式报表、在线分析解

决、核心性能批示器记分卡和数据挖掘的基本。

2.数据仓库的概念模型一般采用信息包图法来进行设计，规定移其5个构成部分（涉及名称、

维度、类别、层次和度量）全面地描述出来。

3.数据仓库的逻辑模型一般采用星型图法来进行设计，规定将星型的各类逻辑实体完整地描

述出来。

4、按照事实表中度量的可加性状况，可以把事实表相应的事实分为4种类型：事务事实、快

照事实、线性项目事实和事件事实。

5.拟定了数据仓库的粒度模型后来，为提高数据仓库的使用性能，还需要根据拥护需求设计

聚合模型。

6、在项目实行时，根据事实表的特点和拥护的查询需求，可以选用时间、业务类型、区域和

下属组织等多种数据分割类型。

7、当维表中的主键在事实表中没有与外键关联时，这样的维称为退化维。它于事实表并无

关系，但有时在查询限制条件（如订单号码、出货单编号等）中需要用到。

8、维度可以根据其变化快慢分为元变化维度、缓慢变化维度和剧烈变化维度二类。

9、数据仓库的数据量一般较大，且数据一般很少更新，可以通过设计和优化索引构造来提高

数据存取性能。

10、数据仓库数据库常用的存储优化措施涉及表的归并与簇文献、反向规范化引入冗余、

表的物理分割（分区）。

第四章

1.关联规则的典型算法涉及Apriori算法和FP-growth算法，其中FP-grownth算法的效率更

2.如果L2={{a,b},{a,c},{a,d},{b,c},{b,d}},则

连接产生的C3={{a,b,c},{a,b.d}{a,c,d},{b,c,d}}

再通过修剪,C3={{a.b,c},{a,b,d：）

3.设定supmin=50粒交易集如

则L1={A},{B},{C}L2={A,C}

T1ABC

T2AC

T3AD

T4BEF

第五章

L分类的过程涉及获取数据、预解决、分类器设计和分类决策。

2、分类器设计阶段涉及三个过程：划分数据集、分类器构造和分类器测试。

3.分类问题中常用的评价准则有精确度、查全率和查准率和集合均值。

4.支持向量机中常用的核函数有多项式核函数、径向基核函数和S型核函数。

第六章

1.聚类分析涉及持续型、二值离散型、多值离散型和混合类型4种类型描述属性的相似度计

算措施。

2.持续型属性的数据样本之间的距离有欧氏距离、曼哈顿距离和明考斯基距离“

3.划分聚类措施对数据集进行聚类时涉及三个要点：选种某种距离作为数据样本减的相似性

度量、选择评价聚类性能的准则函数和选择某个初始分类.之后用迭代的措施得到聚类成果,

使得评价聚类的准则函数获得最优值。

4.层次聚类措施涉及凝聚型和分解型两中层次聚类措施。

填空题20分，简答题25分、计算题2个（25分），综合题30分

1.数据仓库的构成？P2

数据仓库数据库，数据抽取工具，元数据，访问工具，数据集市，数据仓库管理，信息发

布系统

2、数据挖掘技术对聚类分析的规定有哪几种方面？P131

可伸缩性；解决不同类型属性的能力；发现任意形状聚类的能力；减小对先验知识和顾

客自定义参数的依赖性；解决噪声数据的能力；可解祥性和实用性

3.数据仓库在存储和管理方面的特点与核心技术？P7

数据仓库面对的是大量数据的存储与管理

并行解决

针对决策支持查询的优化

支持多维分析的查询模式

4.常用的聚类算法可以分为几类？P132

基于划分的聚类算法，基于层次的聚类算法，基于密度的聚类算法，基于网格的聚类算法,

基于模型的聚类算法等。

5、一种典型的数据仓库系统的构成？P12

数据源、数据存储与管理、OLAP服务器、前端工具与应用

6、数据仓库常用的存储优化措施？P71

表的归并与簇文献；反向规范化，引入冗余；表的物理分割。

7、数据仓库发展演变的5个阶段？P20

以报表为主

以分析为主

以预测模型为主

以运营向导为主以实时数据仓库、自动决策应用为主

8、ID3算法重要存在的缺陷'P116

(1)ID3算法在选择根结点和各内部结点中的分枝属性时，使用信息增益作为评价原则。

信息增益的缺陷是倾向于选择取值较多的属性，在有些状况下此类属性也许不会提供太

多有价值的信息。

(2)ID3算法只能对描述属性为离散型属性的数据集构造决策树。

9、简述数据仓库ETL软件的重要功能和对产生数据的目的规定。P30

ETL软件的重要功能：

数据的抽取，数据的转换，数据的加载

对产生数据的目的规定：

具体的、历史的、规范化的、可理解的、即时的、质量可控制的

10、简述分类器设计阶段涉及的3个过程。★

划分数据集.分类器构造，分类器测试

什么是数据清洗？P33*

数据清洗是一种使用模式辨认和其她技术，在将原始数据转换和移到数据仓库之前来升级

原始数据质量的技术。

支持度和置信度的计算公式及数据计算(P90)

找出所有的规则X(Y,使支持度和置信度分别不小于门限支持度：事务中X和Y同步发生

的比例,P(XflY)置信度：项集X发生时,Y同步发生的条件概率P(Y|X)

Example:

13.运用信息包图设计数据仓库概念模型需要拟定的三方面内容“P57

拟定指标，拟定维度，撅定类别

14.K-近邻分类措施的操作环节(涉及算法的输入和输出)°P128

•15.什么是技术元数据，重要涉及的内容？P29

技术元数据是描述有关数据仓库技术细节的数据，应用于开发、

管理和维护DW,涉及：

•DW构造的描述，如DW的模式、视图、维、层次构造和导出数据的

定义，数据集市的位置和内容等

•业务系统、DW和数据集市的体系构造和模式

・汇总算法。涉及度量和维定义算法，数据粒度、主题领域、聚合、汇

总和预定义的查询和报告。

•由操作型业务环境到数据仓库业务环境的映射“涉及源数据和她们

的内容、数据分割、数据提取、清洗、转换规则和数据刷新规则及

安全（顾客授权和存取控制）

•16.业务元数据重要涉及的内容？P29

・业务元数据：从业务角度描述了DW中的数据，提供了介于使用

者和实际系统之间的语义层，重要涉及：

•使用者的业务属于所体现的数据模型、对象名和属性名

•访问数据的原则和数据的来源

•系统提供的分析措施及公式和报表的信息。

17、K-means算法的基本操作环节（涉及算法的输入和输出）。P138*

侑入：数据集X={x.|“l,2,…，total},其中的数据样本只包含描述属性，不

包含类别属性；聚类个数k./

输出：使误差平方和准则最小的k个聚类.P

（1）从数据集X中随机地选择k个数据样本作为聚类的初始代表点，每一个