数据挖掘作业

合集下载

数据挖掘作业讲解

《数据挖掘》作业第一章引言一、填空题（1）数据库中的知识挖掘(KDD)包括以下七个步骤：数据清理、数据集成、数据选择、数据变换、数据挖掘、模式评估和知识表示（2）数据挖掘的性能问题主要包括：算法的效率、可扩展性和并行处理（3）当前的数据挖掘研究中，最主要的三个研究方向是：统计学、数据库技术和机器学习（4）在万维网(WWW)上应用的数据挖掘技术常被称为：WEB挖掘（5）孤立点是指：一些与数据的一般行为或模型不一致的孤立数据二、单选题（1）数据挖掘应用和一些常见的数据统计分析系统的最主要区别在于：（B ）A、所涉及的算法的复杂性；B、所涉及的数据量；C、计算结果的表现形式；D、是否使用了人工智能技术（2）孤立点挖掘适用于下列哪种场合？（D ）A、目标市场分析B、购物篮分析C、模式识别D、信用卡欺诈检测（3）下列几种数据挖掘功能中，（ D ）被广泛的应用于股票价格走势分析A. 关联分析B.分类和预测C.聚类分析D. 演变分析（4）下面的数据挖掘的任务中，（ B ）将决定所使用的数据挖掘功能A、选择任务相关的数据B、选择要挖掘的知识类型C、模式的兴趣度度量D、模式的可视化表示（5）下列几种数据挖掘功能中，（A ）被广泛的用于购物篮分析A、关联分析B、分类和预测C、聚类分析D、演变分析（6）根据顾客的收入和职业情况，预测他们在计算机设备上的花费，所使用的相应数据挖掘功能是（ B ）A.关联分析B.分类和预测C. 演变分析D. 概念描述（7）帮助市场分析人员从客户的基本信息库中发现不同的客户群，通常所使用的数据挖掘功能是（ C ）A.关联分析B.分类和预测C.聚类分析D. 孤立点分析E. 演变分析（8）假设现在的数据挖掘任务是解析数据库中关于客户的一般特征的描述，通常所使用的数据挖掘功能是（ E ）A.关联分析B.分类和预测C. 孤立点分析D. 演变分析E. 概念描述三、简答题（1）什么是数据挖掘？答：数据挖掘是指从大量数据中提取或“挖掘”知识。

数据挖掘的功能及应用作业

数据挖掘的其他基本功能介绍一、关联规则挖掘关联规则挖掘是挖掘数据库中和指标（项）之间有趣的关联规则或相关关系。

关联规则挖掘具有很多应用领域，如一些研究者发现，超市交易记录中的关联规则挖掘对超市的经营决策是十分重要的。

1、基本概念设},,,{21m i i i I =是项组合的记录，D 为项组合的一个集合。

如超市的每一张购物小票为一个项的组合（一个维数很大的记录），而超市一段时间内的购物记录就形成集合D 。

我们现在关心这样一个问题，组合中项的出现之间是否存在一定的规则，如A 游泳衣，B 太阳镜，B A ⇒，但是A B ⇒得不到足够支持。

在规则挖掘中涉及到两个重要的指标：① 支持度支持度n B A n B A )()(⇒=⇒，显然，只有支持度较大的规则才是较有价值的规则。

② 置信度置信度)()()(A n B A n B A ⇒=⇒，显然只有置信度比较高的规则才是比较可靠的规则。

因此，只有支持度与置信度均较大的规则才是比较有价值的规则。

③ 一般地，关联规则可以提供给我们许多有价值的信息，在关联规则挖掘时，往往需要事先指定最小支持度与最小置信度。

关联规则挖掘实际上真正体现了数据中的知识发现。

如果一个规则满足最小支持度，则称这个规则是一个频繁规则；如果一个规则同时满足最小支持度与最小置信度，则通常称这个规则是一个强规则。

关联规则挖掘的通常方法是：首先挖掘出所有的频繁规则，再从得到的频繁规则中挖掘强规则。

在少量数据中进行规则挖掘我们可以采用采用简单的编程方法，而在大量数据中挖掘关联规则需要使用专门的数据挖掘软件。

关联规则挖掘可以使我们得到一些原来我们所不知道的知识。

应用的例子：* 日本超市对交易数据库进行关联规则挖掘，发现规则：尿片→啤酒，重新安排啤酒柜台位置，销量上升75%。

* 英国超市的例子：大额消费者与某种乳酪。

那么，证券市场上、期货市场上、或者上市公司中存在存在哪些关联规则，这些关联规则究竟说明了什么？关联规则挖掘通常比较适用与记录中的指标取离散值的情况，如果原始数据库中的指标值是取连续的数据，则在关联规则挖掘之前应该进行适当的数据离散化（实际上就是将某个区间的值对应于某个值），数据的离散化是数据挖掘前的重要环节，离散化的过程是否合理将直接影响关联规则的挖掘结果。

大连理工大学22春“计算机科学与技术”《数据挖掘》作业考核题库高频考点版(参考答案)试题号3

大连理工大学22春“计算机科学与技术”《数据挖掘》作业考核题库高频考点版（参考答案）一.综合考核(共50题)1.在Python3.5中，集合类型的各个元素之间存在先后顺序。

()A.正确B.错误参考答案：B2.以下哪一种数据类型元素之间是无序的，相同元素在集合中唯一存在?()A.元组B.字符串C.列表D.集合参考答案：D3.python中内置了round函数来进行小数的四舍五入操作，请选择round(3.1415923, 4)对应的结果()。

A.3.142B.3.14C.3.1416D.3.0参考答案：C4.遍历循环for语句中，不可以遍历的结构是()。

A.字符串B.元组C.数字类型D.字典5.以下选项中不是Python关键字的是()。

A.whileB.exceptC.inD.do参考答案：D6.以下选项中是Python中文分词的第三方库的是()。

A.turtleB.jiebaC.timeD.itchat参考答案：B7.以下选项中，不是Python对文件的打开模式的是()。

A.‘c’B.‘r+’C.‘w’D.‘r’参考答案：A8.Python中的注释是为了让计算机更能理解程序表达的意思。

()A.正确B.错误参考答案：B9.B.错误参考答案：B10.以下选项对Python文件操作描述错误的是()。

A.当文件以文本方式打开时，读写会按照字节流方式进行B.Python能以文本和二进制两种方式处理文件C.文件使用结束后要用close方法关闭，释放文件的使用授权D.Python能通过内置的open函数打开一个文件进行操作参考答案：A11.局部变量若与全局变量重名，则不能在函数内部创建和使用。

()A.正确B.错误参考答案：B12.下列不是Python对文件进行读操作的方法是()。

A.readtextB.readlinesC.readD.readline参考答案：A13.for循环和while循环中都存在一个else扩展用法，continue关键字对else没有影响。

数据挖掘作业——林雪燕——2012E8018661082

数据挖掘Part I：手写作业：Part II: 上机作业：Recommendation Systems Hand-in: The list of association rules generated by the model.设置min-support=5%，min-confidence=50%，如图所示：结果如下图所示：关联规则如下：⇒biscuits m ilk yoghurt milk⇒⇒tom ato souse pastatomato souse milk⇒∧⇒pasta water milk⇒juices milk∧⇒biscuits pasta milk⇒rice pasta∧⇒tomato souse pasta milk∧⇒coffee pasta milk∧⇒tomato souse milk pasta∧⇒biscuits w ater m ilkbrioches pasta milk∧⇒∧⇒yoghurt pasta milkSort the rules by lift, support, and confidence, respectively to see the rules identified. Hand-in: For each case, choose top 5 rules (note: make sure no redundant rules in the 5 rules) and give 2-3 lines comments. Many of the rules will be logically redundant and therefore will have to be eliminated after you think carefully about them.按support排序：support最高的5个规则是：1.biscuits m ilk⇒2.yoghurt milk⇒3.tom ato souse pasta⇒4.tomato souse milk⇒5.pasta water milk∧⇒按support排序的前5个规则没有冗余规则。

数据挖掘作业

证明决策树生长的计算时间最多为 m D log( D ) 。
3.4 考虑表 3-23 所示二元分类问题的数据集。表 3-23 习题 3.4 数据集
A
B
类标号
T
F
+
T
T
+
T
T
+
T
F
-
T
T
+
F
F
-
F
F
-
F
F
-
T
T
-
T
F
-
(1) 计算按照属性 A 和 B 划分时的信息增益。决策树归纳算法将会选择那个属性？
y ax 转换成可以用最小二乘法求解的线性回归方程。
表 3-25 习题 3.8 数据集
X 0.5 3.0 4.5 4.6 4.9 5.2 5.3 5.5 7.0 9.5
Y-
-
+++-
-
+-
-
根据 1-最近邻、 3-最近邻、 5-最近邻、 9-最近邻，对数据点 x=5.0 分类，使用多数表决。
3.9 表 3-26 的数据集包含两个属性 X 与 Y ，两个类标号“ +”和“ -”。每个属性取三个不同值策略： 0,1 或
记录号
A
B
C
类
1
0
0
0
+
2
0
0
1
-
3
0
1
1
-
4
0
1
1
-
5
0
0
1
+
6
1
0
1
+
7
1

数据挖掘大作业例子

数据挖掘大作业例子1. 超市购物数据挖掘呀！想想看，如果把超市里每个顾客的购买记录都分析一遍，那岂不是能发现很多有趣的事情？比如说，为啥周五晚上大家都爱买啤酒和薯片呢，是不是都打算周末在家看剧呀！2. 社交媒体情感分析这个大作业超有意思哦！就像你能从大家发的文字里看出他们今天是开心还是难过，那简直就像有了读心术一样神奇！比如看到一堆人突然都在发伤感的话，难道是发生了什么大事情？3. 电商用户行为挖掘也很棒呀！通过分析用户在网上的浏览、购买行为，就能知道他们喜欢什么、不喜欢什么，这难道不是很厉害吗？就像你知道了朋友的喜好，能给他推荐最适合的礼物一样！4. 交通流量数据分析呢！想象一下，了解每个路口的车流量变化，是不是就能更好地规划交通啦？难道这不像是给城市的交通装上了一双明亮的眼睛？5. 医疗数据挖掘更是不得了！能从大量的病例中找到疾病的规律，这简直是在拯救生命啊！难道这不是一件超级伟大的事情吗？比如说能发现某种疾病在特定人群中更容易出现。

6. 金融交易数据挖掘也超重要的呀！可以知道哪些交易有风险，哪些投资更靠谱，那不就像有个聪明的理财顾问在身边吗！就好比能及时发现异常的资金流动。

7. 天气数据与出行的结合挖掘也很有趣呀！根据天气情况来预测大家的出行选择，真是太神奇了吧！难道不是像有了天气预报和出行指南合二为一？8. 音乐喜好数据挖掘呢！搞清楚大家都喜欢听什么类型的音乐，从而能更好地推荐歌曲，这不是能让人更开心地享受音乐吗！好比为每个人定制了专属的音乐播放列表。

9. 电影票房数据挖掘呀！通过分析票房数据就能知道观众最爱看的电影类型，这不是超厉害的嘛！就像知道了大家心里最期待的电影是什么样的。

我觉得数据挖掘真的太有魅力了，可以从各种看似普通的数据中发现那么多有价值的东西，真是让人惊叹不已啊！。

数据挖掘作业

1.下表由雇员数据库的训练数据组成，数据已泛化。

例如，年龄“31…35”表示31到35的之间。

对于给定的行，count表示department, status, age和salary在该行上具有给定值的元组数。

status是类标号属性。

1)如何修改基本决策树算法，以便考虑每个广义数据元组（即每个行）的count。

Status 分为2个部分：Department分为4个部分：Senior 共计52 Sales 共计110Junior 共计113 Systems 共计31Marketing 共计14Secretary 共计10Age分为6个部分：Salary分为6各部分：21…25 共计20 26K…30K 共计4626…30 共计49 31K…35K 共计4031…35 共计79 36K…40K 共计436…40 共计10 41K…45K 共计441…45 共计3 46K…50K 共计6346…50 共计4 66K…70K 共计8Info(D)=−52165log252165−113165log2113165=0.889位Info(departmet)=−110165∗(−30110log230110−80110log280110)+31165∗(−831log2831−23 31log22331)+14165∗(−1014log21014−414log2414)+10165∗(−410log2410−610log2610)=0.8504位Gain(department)=Info(D)−Info(department)=0.0386位Info(age)=−20165∗(−020log2020−2020log22020)+49165∗(−049log2049−4949log24949)+79165∗(−3579log23575−3479log23479)+10165∗(−1010log21010−010log2010)+3165∗(−33log233−03log203)+4 165∗(−44log244−04log204)=0.4998位Gain(age)=Info(D)−Info(age)=0.3892位Info(salary)=−46165∗(−046log2046−4646log24646)+40165∗(−040log2040−4040log24040)+4165∗(−44log244−04log204)+63165∗(−3063log23063−3363log23363)+8165∗(−88log288−08log208)=0.3812位Gain(salary)=Info(D)−Info(salary)=0.5078位由以上的计算知按信息增益从大到小对属性排列依次为：salary、age、department，所以定由这个表可知department和age的信息增益将都为0。

南开19春学期(1709、1803、1809、1903)《数据挖掘》在线作业-2(答案)

南开19春学期（1709、1803、1809、1903）《数据挖掘》在线作业-2一、单选题共20题，40分1、( )用替代的、较小的数据表示形式替换原数据。

A维归约B数量归约C离散D聚集【南开】答案是：B2、只有非零值才重要的二元属性被称作( )。

A计数属性B离散属性C非对称的二元属性D对称属性【南开】答案是：C3、职位可以按顺序枚举,对于教师有:助教、讲师、副教授、教授。

职位属性是( )。

A标称属性B序数属性C数值属性D二元属性【南开】答案是：B4、( )去掉数据中的噪声,这类技术包括分箱、回归和聚类。

A光滑B聚集C规范化D属性构造【南开】答案是：A5、在基于规则分类器的中,依据规则质量的某种度量对规则排序,保证每一个测试记录都是由覆盖它的“最好的”规格来分类,这种方案称为( )。

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【南开】答案是：B6、分位数是取自数据分布的每隔一定间隔上的点,把数据划分成基本上大小相等的连贯集合。

如:4-分位数是( )个数据点,它们把数据分布划分成4个相等的部分,使得每部分表示数据分布的四分之一。

A1B2C3D4【南开】答案是：C7、决策树学习:决策树算法对数据处理过程中,将数据按( )结构分成若干分枝形成决策树,从根到树叶的每条路径创建一个规则。

A树状B网状C星形D雪花形【南开】答案是：A8、以下属于可伸缩聚类算法的是( )。

ACUREBDENCLUECCLIQUEDOPOSSUM【南开】答案是：A9、( )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,它是一种凝聚层次聚类技术。

AMIN（单链）BMAX（全链）C组平均DWard方法【南开】答案是：C10、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( )。

A无序规则B穷举规则C互斥规则D有序规则【南开】答案是：C11、( )是KDD。

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【南开】答案是：A12、在有关数据仓库测试,下列说法不正确的是( )。

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)。

第5章关联分析
5.1 列举关联规则在不同领域中应用的实例。

5.2 给出如下几种类型的关联规则的例子，并说明它们是否是有价值的。

(a)高支持度和高置信度的规则； (b)高支持度和低置信度的规则； (c)低支持度和低置信度的规则； (d)低支持度和高置信度的规则。

5.3 数据集如表5-14所示：
(a) 把每一个事务作为一个购物篮，计算项集{e}, {b, d}和{b, d, e}的支持度。

(b) 利用(a)中结果计算关联规则{b, d}→{e} 和 {e}→{b, d}的置信度。

置信度是一个对称的度量吗？
(c) 把每一个用户购买的所有商品作为一个购物篮，计算项集{e}, {b, d}和{b, d, e}的支持度。

(d) 利用(b)中结果计算关联规则{b, d}→{e} 和 {e}→{b, d}的置信度。

置信度是一个对称的度量吗？
5.4 关联规则是否满足传递性和对称性的性质？举例说明。

5.5 Apriori 算法使用先验性质剪枝，试讨论如下类似的性质 (a) 证明频繁项集的所有非空子集也是频繁的
(b) 证明项集s 的任何非空子集s ’的支持度不小于s 的支持度
(c) 给定频繁项集l 和它的子集s ，证明规则“s’→(l – s’)”的置信度不高于s →(l – s)的置信度，其中s’是s 的子集
(d) Apriori 算法的一个变形是采用划分方法将数据集D 中的事务分为n 个不相交的子数据集。

证明D 中的任何一个频繁项集至少在D 的某一个子数据集中是频繁的。

5.6 考虑如下的频繁3-项集：{1, 2, 3}，{1, 2, 4}，{1, 2, 5}，
{1, 3, 4}，{1, 3, 5}，{2, 3, 4}，{2, 3, 5}，{3, 4, 5}。

(a)根据Apriori 算法的候选项集生成方法，写出利用频繁3-项集生成的所有候选4-项集。

(b)写出经过剪枝后的所有候选4-项集
5.7 一个数据库有5个事务，如表5-15所示。

设min_sup=60%，min_conf = 80%。

(a) 分别用Apriori
(b) 比较穷举法和Apriori算法生成的候选项集的数量。

5.8 购物篮分析只针对所有属性为二元布尔类型的数据集。

如果数据集中的某个属性为连续
型变量时，说明如何利用离散化的方法将连续属性转换为二元布尔属性。

比较不同的离散方法对购物篮分析的影响。

5.9 分别说明利用支持度、置信度和提升度评价关联规则的优缺点。

5.10 表5-16所示的相依表汇总了超级市场的事务数据。

其中hot dogs指包含热狗的事务，
hot dogs指不包含热狗的事务。

hamburgers指包含汉堡的事务，hamburgers指不包含汉堡的事务。

和最小置信度阈值50%，这个关联规则是强规则吗？
计算关联规则“hot dogs ⇒hamburgers”的提升度，能够说明什么问题？购买热狗和购买汉堡是独立的吗？如果不是，两者间存在哪种相关关系？
5.11对于表5-17所示序列数据集，设最小支持度计数为2，请找出所有的频繁模式。

表5-17 习题5.11数据集。