数据仓库与数据挖掘教程(第2版)课后习题答案 第二章
大数据分析与挖掘课后习题参考答案
（2）使用等宽划分时，将其划分为四个箱，16 在第几个箱？
（3）利用等深分箱法，将其划分为 3 个箱，平均值平滑法进行平滑处理，第
2 个箱的取值为多少？
（4）利用等宽分箱法，将其划分为 3 个箱，边界平滑法进行平滑处理，第 2
个箱内数据值为多少？
数据清洗：负责解决填充空缺值、识别孤立点、去掉噪声和无关数据等问
题；
数据集成：负责解决不同数据源的数据变换：将原始数据转换为适合数据挖掘的形式。包括数据的汇总、聚
集、概化、规范化，同时可能需要对属性进行重构；
数据归约：负责搜小数据的取值范围，使其更适合数据挖掘算法的需要。
df=spark.createDataFrame([(Vectors.dense(3.2,1.78,130,6000),),
(Vectors.dense(3.5,1.76,122,7000),),
(Vectors.dense(3,1.73,135,5500),),
(Vectors.dense(2.8,1.80,120,4000),),
model.transform(df).show()
print('MinMax')
miScaler=MinMaxScaler(inputCol='Features',outputCol='Feature_MinMax')
model_=miScaler.fit(df)
model.transform(df).show()
7000
3
3
1.73
135
5500
4
2.8
1.80
120
最新【整理】数据挖掘概念与技术第2版习题答案资料
数据挖掘——概念概念与技术DataMiningConcepts and Techniques习题解答Jiawei Han Micheline Kamber 著范明孟晓峰译1.3假设你是BigUniversity的软件工程师，任务是设计一个数据挖掘系统，分析学校课程数据库。
该数据库包括如下信息：每个学生的姓名、地址和状态（例如本科生或研究生）、所修课程以及他们的GPA （平均积分点）。
描述你要选取的结构。
该结构的每个成分的作用是什么？答：该应用程序的数据挖掘的体系结构应包括以下主要组成部分：数据库，数据仓库，万维网或其他信息库：这是一个或一组包含学生和课程信息数据库、数据仓库、电子表格或其他类型的信息库；数据库或数据仓库服务器：根据用户数据挖掘请求，数据库或数据仓库服务器负责提取相关数据；知识库：这是领域的知识，用于指导搜索或评估结果模式的兴趣度。
数据挖掘引擎：这是数据挖掘系统的基本部分，理想情况下由一组功能模块组成，用于执行特征化、关联和相关分析、分类、预测、聚类分析、离群点分析和演变分析等任务。
模式评估模块：该成分使用兴趣度度量，并与数据挖掘模块交互，以便将搜索聚焦在有兴趣的模式上。
用户界面：该模块在用户和数据挖掘系统之间通信，允许用户与系统交互，说明挖掘查询或任务，提供信息以帮助搜索聚焦，根据数据挖掘的中间结果进行探索式数据挖掘。
1.4 数据仓库和数据库有何不同？有哪些相似之处？p8 答：区别：数据仓库是面向主题的，集成的，不易更改且随时间变化的数据集合，用来支持管理人员的决策，数据库由一组内部相关的数据和一组管理和存取数据的软件程序组成，是面向操作型的数据库，是组成数据仓库的源数据。
它用表组织数据，采用ER 数据模型。
相似：它们都为数据挖掘提供了源数据，都是数据的组合。
1.5 简述以下高级数据库系统和应用：对象-关系数据库、空间数据库、文本数据库、多媒体数据库、流数据和万维网。
答：对象－关系数据库的设计是基于面向对象的编程范式的数据是大量对象类和类层次结构组织。
数据挖掘_概念与技术(第2版)习题答案
数据挖掘——概念概念与技术DataMiningConcepts and Techniques习题解答23页2.3.453页2.3.479页3.6.9117页3.4152页1177页6.8.14207页3251页7285页1320页21.3假设你是BigUniversity的软件工程师，任务是设计一个数据挖掘系统，分析学校课程数据库。
该数据库包括如下信息：每个学生的姓名、地址和状态（例如本科生或研究生）、所修课程以及他们的GPA（平均积分点）。
描述你要选取的结构。
该结构的每个成分的作用是什么？答：该应用程序的数据挖掘的体系结构应包括以下主要组成部分：z数据库，数据仓库，万维网或其他信息库：这是一个或一组包含学生和课程信息数据库、数据仓库、电子表格或其他类型的信息库；z数据库或数据仓库服务器：根据用户数据挖掘请求，数据库或数据仓库服务器负责提取相关数据；z知识库：这是领域的知识，用于指导搜索或评估结果模式的兴趣度。
z数据挖掘引擎：这是数据挖掘系统的基本部分，理想情况下由一组功能模块组成，用于执行特征化、关联和相关分析、分类、预测、聚类分析、离群点分析和演变分析等任务。
z模式评估模块：该成分使用兴趣度度量，并与数据挖掘模块交互，以便将搜索聚焦在有兴趣的模式上。
z用户界面：该模块在用户和数据挖掘系统之间通信，允许用户与系统交互，说明挖掘查询或任务，提供信息以帮助搜索聚焦，根据数据挖掘的中间结果进行探索式数据挖掘。
1.4 数据仓库和数据库有何不同？有哪些相似之处？p8答：区别：数据仓库是面向主题的，集成的，不易更改且随时间变化的数据集合，用来支持管理人员的决策，数据库由一组内部相关的数据和一组管理和存取数据的软件程序组成，是面向操作型的数据库，是组成数据仓库的源数据。
它用表组织数据，采用ER数据模型。
相似：它们都为数据挖掘提供了源数据，都是数据的组合。
1.5 简述以下高级数据库系统和应用：对象-关系数据库、空间数据库、文本数据库、多媒体数据库、流数据和万维网。
数据仓库与数据挖掘教程（第2版）陈文伟版课后习题答案（非常全）
第一章作业1．数据库与数据仓库的本质差别是什么？书P2（1）数据库用于事务处理，数据仓库用于决策分析。
（2）数据库保持事物处理的当前状态，数据仓库即保存过去的数据又保存当前的数据。
（3）数据仓库的数据是大量数据库的集成。
（4）对数据库的操作比较明确，操作数量较小。
对数据仓库操作不明确，操作数据量大。
2．从数据库发展到数据仓库的原因是什么？书P1（1）数据库数据太多，信息贫乏。
如何将大量的数据转化为辅助决策信息成为了研究热点。
（2）异构环境数据的转换和共享。
随着各类数据库产品的增加，异构环境的数据也逐渐增加，如何实现这些异构环境数据的转换的共享也成了研究热点。
（3）利用数据进行事物处理转变为利用数据支持决策。
3．举例说明数据库与数据仓库的不同。
比如，银行中储蓄业务要建立储蓄数据库，信用卡要建立信用卡数据库，贷款业务要建立贷款数据库，这些数据库方便了银行的事务处理。
但是要对这些独立数据库进行决策分析就很复杂了。
因此可以把这些数据库中的数据存储转化到数据仓库中，方便进行决策。
4.OLTP(On Line Transaction Processing,联机事物处理)是在网络环境下的事务处理工作，以快速的响应和频繁的数据修改为特征，使用户利用数据库能够快速地处理具体的业务。
OLAP（On Line Analytical Processing，联机分析处理）是使用多维数据库和多维分析的方法，对多个关系数据库共同进行大量的综合计算来得到结果的方法。
5.OLTP是用户的数据可以立即传送到计算中心进行处理，并在很短的时间内给出处理结果。
6.OLTP OLAP细节性数据综合性数据当前数据历史数据经常更新不更新，但周期性刷新一次性处理的数据量小一次处理的数据量大对响应时间要求高响应时间合理面向应用，事务驱动面向分析，分析驱动7．包括数据项、数据结构、数据流、数据存储和处理过程五个部分。
8．定义为关于数据的数据，描述数据仓库中数据及其环境的数据。
数据库系统原理与设计(第2版) 万常选版 第2章 关系模型与关系代数 课后答案
3.简述如下概念，并说明它们之间的联系与区别:。
（1）域，笛卡尔积，关系，元组，属性答：域：域是一组具有相同数据类型的值的集合。
笛卡尔积：给定一组域D1，D2，…，Dn，这些域中可以有相同的。
这组域的笛卡尔积为：D1×D2×…×Dn＝｛（d1，d2，…，dn）｜di?Di，i＝1，2，…，n ｝其中每一个元素（d1，d2，…，dn）叫作一个n元组（n-tuple）或简称元组（Tuple）。
元素中的每一个值di叫作一个分量（Component）。
关系：在域D1，D2，…，Dn上笛卡尔积D1×D2×…×Dn的子集称为关系，表示为R（D1，D2，…，Dn）元组：关系中的每个元素是关系中的元组。
属性：关系也是一个二维表，表的每行对应一个元组，表的每列对应一个域。
由于域可以相同，为了加以区分，必须对每列起一个名字，称为属性（Attribute）。
（2）超码，主码，候选码，外码答：超码：对于关系r的一个或多个属性的集合A，如果属性集A可以唯一地标识关系r中的一个元组，则称属性集A为关系r的一个超码 (superkey) 。
候选码：若关系中的某一属性组的值能唯一地标识一个元组，则称该属性组为候选码（Candidate key）。
主码：若一个关系有多个候选码，则选定其中一个为主码（Primary key）。
外码：设F是基本关系R的一个或一组属性，但不是关系R的码，如果F与基本关系S 的主码Ks相对应，则称F是基本关系R的外码（Foreign key），简称外码。
基本关系R称为参照关系（Referencing relation），基本关系S称为被参照关系（Referenced relation）或目标关系（Target relation）。
关系R和S可以是相同的关系。
(3)关系模式，关系，关系数据库答：关系模式：关系的描述称为关系模式（Relation Schema）。
数据仓库及数据挖掘习题答案
数据仓库与数据挖掘习题答案第1章数据仓库的概念与体系结构1. 面向主题的，相对稳定的。
2. 技术元数据，业务元数据。
3. 联机分析处理OLAP。
4. 切片（Slice），钻取（Drill-down和Roll-up等）。
5. 基于关系数据库。
6. 数据抽取，数据存储与管理。
7. 两层架构，独立型数据集市，依赖型数据集市和操作型数据存储，逻辑型数据集市和实时数据仓库。
8. 可更新的，当前值的。
9. 接近实时。
10. 以报表为主，以分析为主，以预测模型为主，以营运导向为主。
11. 答：数据仓库就是一个面向主题的（Subject Oriented）、集成的（Integrate）、相对稳定的（Non-Volatile）、反映历史变化（Time Variant）的数据集合，通常用于辅助决策支持。
数据仓库的特点包含以下几个方面：（1）面向主题。
操作型数据库的数据组织是面向事务处理任务，各个业务系统之间各自分离；而数据仓库中的数据是按照一定的主题域进行组织。
主题是一个抽象的概念，是指用户使用数据仓库进行决策时所关心的重点领域，一个主题通常与多个操作型业务系统或外部档案数据相关。
（2）集成的。
面向事务处理的操作型数据库通常与某些特定的应用相关，数据库之间相互独立，并且往往是异构的。
而数据仓库中的数据是在对原有分散的数据库数据作抽取、清理的基础上经过系统加工、汇总和整理得到的，必须消除源数据中的不一致性，以保证数据仓库的信息是关于整个企事业单位一致的全局信息。
也就是说存放在数据仓库中的数据应使用一致的命名规则、格式、编码结构和相关特性来定义。
（3）相对稳定的。
操作型数据库中的数据通常实时更新，数据根据需要及时发生变化。
数据仓库的数据主要供单位决策分析之用，对所涉及的数据操作主要是数据查询和加载，一旦某个数据加载到数据仓库以后，一般情况下将作为数据档案长期保存，几乎不再做修改和删除操作，也就是说针对数据仓库，通常有大量的查询操作及少量定期的加载（或刷新）操作。
数据仓库与数据挖掘教程(第2版)课后习题答案 第二章
第二章作业1.画出数据仓库的结构图，说明各部分内容。
P18当前基本数据是最近时期的业务数据，是数据仓库用户最感兴趣的部分数据量大。
随着时间的推移，有数据仓库的时间控制机制转为历史数据，轻度综合数据是从当前基本数据中提取出来的，最高一层是高度综合数据层，这一层的数据十分精炼，是一种准决策数据。
2.说明数据仓库结构图中包含轻度综合层与高度综合数据层的作用。
这些数据为什么不是临时计算出来的。
P18-19数据仓库除了存储按主题组织起来的当前详细数据外，还需要存储综合数据，这是为了适应决策需求而增加的。
在数据库中需要得到综合数据时，采用数据立方体的方法对详细数据进行综合。
在数据仓库中并不采取临时计算的方式得到综合数据，而在用户提出需要综合数据之前，就预先将可能的综合数据利用数据立方体计算好，存入综合数据层中，这种综合数据层在用户查询时，能迅速提供给用户。
3.说明数据集市与数据仓库的区别和联系。
P20联系：数据集市是一种更小，更集中的数据仓库，为公司提供了一条分析商业数据的廉价途径。
数据集市是指具有特定应用的数据仓库，主要针对某个具有战略意义的应用或者具体部门级的应用，支持用户利用已有的数据获得重要的竞争优势或者找到进入新市场的具体解决方案。
区别：（1）数据仓库是基于整个企业的数据模型建立的，它面向企业范围内的主题。
而数据集市是按照某一特定部门的数据模型建立的。
（2）部门的主题与企业的主题之间可能存在关联，也可能不存在关联。
（3）数据集市的数据组织一般采用星型模型。
4.1、规模是小的2、特定的应用3、面向部门4、由业务部门定义，设计和开发5、由业务部门管理和维护6、快速实现7、购买较便宜8、投资快速回收9、更详细的、预先存在的数据仓库的摘要子集10、可升级到完整的数据仓库5.独立型数据集市直接从操作型环境获取数据，从属型数据集市从企业级数据仓库获取数据，带有从属型数据集市的体系结构。
6.原因：仓库管理：安全和特权管理；跟踪数据的更新；数据质量检查；管理和更新元数据；审计和报告数据仓库的使用和状态；删除数据；复制、分割和分发数据；备份和恢复；存储管理。
数据仓库与数据挖掘习题答案
数据仓库与数据挖掘习题答案第1章数据仓库的概念与体系结构1.面向主题的，相对稳定的。
2.技术元数据，业务元数据。
3.联机分析处理OLAP。
4.切片（Slice），钻取（Drill-down和Roll-up等）。
5.基于关系数据库。
6.数据抽取，数据存储与管理。
7.两层架构，独立型数据集市，依赖型数据集市和操作型数据存储，逻辑型数据集市和实时数据仓库。
8.可更新的，当前值的。
9.接近实时。
10.以报表为主，以分析为主，以预测模型为主，以营运导向为主。
11.答：数据仓库就是一个面向主题的（Subject Oriented）、集成的（Integrate）、相对稳定的（Non-Volatile）、反映历史变化（Time Variant）的数据集合，通常用于辅助决策支持。
数据仓库的特点包含以下几个方面：（1）面向主题。
操作型数据库的数据组织是面向事务处理任务，各个业务系统之间各自分离；而数据仓库中的数据是按照一定的主题域进行组织。
主题是一个抽象的概念，是指用户使用数据仓库进行决策时所关心的重点领域，一个主题通常与多个操作型业务系统或外部档案数据相关。
（2）集成的。
面向事务处理的操作型数据库通常与某些特定的应用相关，数据库之间相互独立，并且往往是异构的。
而数据仓库中的数据是在对原有分散的数据库数据作抽取、清理的基础上经过系统加工、汇总和整理得到的，必须消除源数据中的不一致性，以保证数据仓库内的信息是关于整个企事业单位一致的全局信息。
也就是说存放在数据仓库中的数据应使用一致的命名规则、格式、编码结构和相关特性来定义。
（3）相对稳定的。
操作型数据库中的数据通常实时更新，数据根据需要及时发生变化。
数据仓库的数据主要供单位决策分析之用，对所涉及的数据操作主要是数据查询和加载，一旦某个数据加载到数据仓库以后，一般情况下将作为数据档案长期保存，几乎不再做修改和删除操作，也就是说针对数据仓库，通常有大量的查询操作及少量定期的加载（或刷新）操作。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
数据仓库与数据挖掘教程(第2版)课后习题答案第二章
1. 什么是数据仓库？它与传统数据库有什么不同？
答：数据仓库是一个面向主题、集成、稳定、可学习的数据
集合，用于支持企业决策制定和决策支持系统。
与传统数据库相比，数据仓库更注重数据的整合和大数据的处理能力，以支持更高级别的数据分析和决策。
2. 什么是元数据？有哪些类型？
答：元数据指描述数据仓库中数据的数据，用于描述数据的
含义、格式、内容、质量、来源、使用和存储等方面的信息。
元数据有三种类型：技术元数据、业务元数据和操作元数据。
3. 数据仓库的架构有哪些组成部分？请简述各组成部分的作用。
答：数据仓库的架构主要包括数据源、数据抽取、清理和转换、存储和管理、元数据管理、查询和分析等几个组成部分。
- 数据源：指数据仓库的数据来源，可以是事务处理系统、外
部数据源、第三方提供商等。
- 数据抽取、清理和转换：将数据从各种不同的来源抽取出来
并转化为简单、标准的格式，以便进行加工和分析。
- 存储和管理：将经过抽取、转换和清洗后的数据存储在数据
仓库中并进行管理，查找、更新和删除等操作。
- 元数据管理：对数据仓库中的元数据进行管理，并将其存储
在元数据存储库中。
- 查询和分析：通过各种查询和分析工具来进行数据挖掘、分析和报告。
4. 请列出数据仓库中的三种主要数据类型。
答：数据仓库中的三种主要数据类型包括事实数据、维度数据和元数据。
5. 请列出数据仓库的三种不同的操作类型。
答：数据仓库的三种不同的操作类型包括基础操作、加工操作和查询操作。
6. 数据挖掘的定义是什么？
答：数据挖掘是一种通过分析大量数据来发现有意义模式、趋势和关联的过程。
它是既包含统计学、机器学习和数据库技术的交叉学科，又包含更广泛的知识和业务领域。
7. 请列出数据挖掘中的四个主要任务。
答：数据挖掘中的四个主要任务包括描述性数据挖掘、预测性数据挖掘、关联数据挖掘和分类和聚类。
8. 数据仓库中经常使用OLAP分析方式，您了解OLAP是什么吗？
答： OLAP是一种面向主题的数据分析方式，可以帮助用户
对快速变化的数据进行多维分析和决策支持。
它主要通过对数据进行切片、切块、被切断等方式进行多维度的分析操作，从而提供有用的业务见解。
9. OLAP中维度和度量有什么区别？
答： OLAP中维度是表的行和列，可以表示特定的商品、时间等。
度量是用于描述维度的属性，例如销售额、成本等。
区别在于，维度是用于分类数据的属性，而度量是用于将数据值归到不同的类别中的属性。
10. 数据挖掘中的预测性数据挖掘与描述性数据挖掘有什么不同？
答：描述性数据挖掘是对数据进行概述和总结的过程，以更好地理解它们的分布和关系。
预测性数据挖掘是通过对历史数据的分析来预测未来的发展趋势。
描述性数据挖掘主要用于探索、总结和理解现有的数据，而预测性数据挖掘则关注于预测未来的发展趋势和结果。