《数据挖掘》课程作业答案教学文稿
数据挖掘第三版第二章课后习题答案
1.1什么是数据挖掘？（a）它是一种广告宣传吗？（d）它是一种从数据库、统计学、机器学和模式识别发展而来的技术的简单转换或应用吗？（c）我们提出一种观点，说数据挖掘是数据库进化的结果，你认为数据挖掘也是机器学习研究进化的结果吗？你能结合该学科的发展历史提出这一观点吗？针对统计学和模式知识领域做相同的事（d）当把数据挖掘看做知识点发现过程时，描述数据挖掘所涉及的步骤答：数据挖掘比较简单的定义是：数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的实际数据中，提取隐含在其中的、人们所不知道的、但又是潜在有用信息和知识的过程。
数据挖掘不是一种广告宣传，而是由于大量数据的可用性以及把这些数据变为有用的信息的迫切需要，使得数据挖掘变得更加有必要。
因此，数据挖掘可以被看作是信息技术的自然演变的结果。
数据挖掘不是一种从数据库、统计学和机器学习发展的技术的简单转换，而是来自多学科，例如数据库技术、统计学，机器学习、高性能计算、模式识别、神经网络、数据可视化、信息检索、图像和信号处理以及空间数据分析技术的集成。
数据库技术开始于数据收集和数据库创建机制的发展，导致了用于数据管理的有效机制，包括数据存储和检索，查询和事务处理的发展。
提供查询和事务处理的大量的数据库系统最终自然地导致了对数据分析和理解的需要。
因此，出于这种必要性，数据挖掘开始了其发展。
当把数据挖掘看作知识发现过程时，涉及步骤如下：数据清理，一个删除或消除噪声和不一致的数据的过程；数据集成，多种数据源可以组合在一起；数据选择，从数据库中提取与分析任务相关的数据；数据变换，数据变换或同意成适合挖掘的形式，如通过汇总或聚集操作；数据挖掘，基本步骤，使用智能方法提取数据模式；模式评估，根据某种兴趣度度量，识别表示知识的真正有趣的模式；知识表示，使用可视化和知识表示技术，向用户提供挖掘的知识1.3定义下列数据挖掘功能：特征化、区分、关联和相关性分析、分类、回归、聚类、离群点分析。
数据挖掘第三版第三章课后习题答案
2.1再给三个用于数据散布的常用特征度量（即未在本章讨论的），并讨论如何在大型数据库中有效的计算它们答：异众比率：又称离异比率或变差比。
是非众数组的频数占总频数的比率应用：用于衡量众数的代表性。
主要用于测度定类数据的离散程度，定序数据及数值型数据也可以计算。
还可以对不同总体或样本的离散程度进行比较计算：标准分数：标准分数（standard score）也叫z分数（z-score）,是一个分数与平均数的差再除以标准差的过程。
用公式表示为：z=(x-μ)/σ。
其中x为某一具体分数，μ为平均数，σ为标准差。
Z值的量代表着原始分数和母体平均值之间的距离，是以标准差为单位计算。
在原始分数低于平均值时Z则为负数，反之则为正数。
计算：Z=（x-μ)/σ其中μ= E( X) 为平均值、σ² = Var( X) X的概率分布之方差若随机变量无法确定时，则为算术平均数离散系数：离散系数，又称“变异系数”，是概率分布离散程度的一个归一化量度，其定义为标准差与平均值之比。
计算：CV=σ/μ极差（全距）系数：Vr=R/X’；平均差系数：Va，d=A.D/X’；方差系数：V方差=方差/X’；标准差系数：V标准差=标准差/X’；其中，X’表示X的平均数。
平均差：平均差是总体所有单位的平均值与其算术平均数的离差绝对值的算术平均数。
平均差是一种平均离差。
离差是总体各单位的标志值与算术平均数之差。
因离差和为零，离差的平均数不能将离差和除以离差的个数求得，而必须讲离差取绝对数来消除正负号。
平均差是反应各标志值与算术平均数之间的平均差异。
平均差异大，表明各标志值与算术平均数的差异程度越大，该算术平均数的代表性就越小；平均差越小，表明各标志值与算术平均数的差异程度越小，该算术平均数的代表性就越大。
计算：平均差=(∑|x-x'|)÷n,其中∑为总计的符号，x为变量，x'为算术平均数，n为变量值的个数。
数据挖掘试题参考答案
大学课程《数据挖掘》试题参考答案范围：∙ 1.什么是数据挖掘？它与传统数据分析有什么区别？定义：数据挖掘（Data Mining，DM）又称数据库中的知识发现（Knowledge Discover in Database，KDD），是目前人工智能和数据库领域研究的热点问题，所谓数据挖掘是指从数据库的大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的非平凡过程。
数据挖掘是一种决策支持过程，它主要基于人工智能、机器学习、模式识别、统计学、数据库、可视化技术等，高度自动化地分析企业的数据，做出归纳性的推理，从中挖掘出潜在的模式，帮助决策者调整市场策略，减少风险，做出正确的决策。
区别：（1）数据挖掘的数据源与以前相比有了显著的改变；数据是海量的；数据有噪声；数据可能是非结构化的；（2）传统的数据分析方法一般都是先给出一个假设然后通过数据验证，在一定意义上是假设驱动的；与之相反，数据挖掘在一定意义上是发现驱动的，模式都是通过大量的搜索工作从数据中自动提取出来。
即数据挖掘是要发现那些不能靠直觉发现的信息或知识，甚至是违背直觉的信息或知识，挖掘出的信息越是出乎意料，就可能越有价值。
在缺乏强有力的数据分析工具而不能分析这些资源的情况下，历史数据库也就变成了“数据坟墓”－里面的数据几乎不再被访问。
也就是说，极有价值的信息被“淹没”在海量数据堆中，领导者决策时还只能凭自己的经验和直觉。
因此改进原有的数据分析方法，使之能够智能地处理海量数据，即演化为数据挖掘。
∙ 2.请根据CRISP-DM（Cross Industry Standard Process for Data Mining）模型，描述数据挖掘包含哪些步骤？CRISP-DM 模型为一个KDD工程提供了一个完整的过程描述.该模型将一个KDD工程分为6个不同的,但顺序并非完全不变的阶段.1: business understanding: 即商业理解. 在第一个阶段我们必须从商业的角度上面了解项目的要求和最终目的是什么. 并将这些目的与数据挖掘的定义以及结果结合起来.2.data understanding: 数据的理解以及收集,对可用的数据进行评估.3: data preparation: 数据的准备,对可用的原始数据进行一系列的组织以及清洗,使之达到建模需求.4:modeling: 即应用数据挖掘工具建立模型.5:evaluation: 对建立的模型进行评估,重点具体考虑得出的结果是否符合第一步的商业目的.6: deployment: 部署,即将其发现的结果以及过程组织成为可读文本形式.(数据挖掘报告)∙ 3.请描述未来多媒体挖掘的趋势随着多媒体技术的发展，人们接触的数据形式不断地丰富，多媒体数据库的日益增多，原有的数据库技术已满足不了应用的需要，人们希望从这些媒体数据中得到一些高层的概念和模式，找出蕴涵于其中的有价值的知识。
(完整版)数据挖掘概念课后习题答案
�数据延边分析描述和模型化随时间变化的对象的规律或趋势，尽管这可 能包括时间相关数据的特征化、区分、关联和相关分析、分类、或预测，这种分析的明确特征包括时间序列数据分析、序列或周期模式匹配、和 基于相似性的数据分析
1.9列举并描述说明数据挖掘任务的五种原语。
五种原语是：
�任务相关数据：这种原语指明给定挖掘所处理的数据。它包括指明数据 库、数据库表、或数据仓库，其中包括包含关系数据、选择关系数据的 条件、用于探索的关系数据的属性或维、关于修复的数据排序和分组。
�关联是指发现关联规则，这些规则表示一起频繁发生在给定数据集的特征值的条件。例如，一个数据挖掘系统可能发现的关联规则为：
major(X,“computingscience”)⇒owns(X,“personalcomputer”)[support=12%,confidence=98%]
其中，X是一个表示学生的变量。这个规则指出正在学习的学生，12%（支持度）主修计算机科学并且拥有一台个人计算机。这个组一个学生拥有一台个人电脑的概率是98%（置信度，或确定度）。
�分类与预测不同，因为前者的作用是构造一系列能描述和区分数据类型 或概念的模型（或功能），而后者是建立一个模型去预测缺失的或无效 的、并且通常是数字的数据值。它们的相似性是他们都是预测的工具：分类被用作预测目标数据的类的标签，而预测典型的应用是预测缺失的 数字型数据的值。
数据挖掘概念与技术原书第3版课后练习题含答案
数据挖掘概念与技术原书第3版课后练习题含答案前言《数据挖掘概念与技术》（Data Mining: Concepts and Techniques）是一本经典的数据挖掘教材，已经推出了第3版。
本文将为大家整理并提供第3版课后习题的答案，希望对大家学习数据挖掘有所帮助。
答案第1章绪论习题1.1数据挖掘的基本步骤包括：1.数据预处理2.数据挖掘3.模型评价4.应用结果习题1.2数据挖掘的主要任务包括：1.描述性任务2.预测性任务3.关联性任务4.分类和聚类任务第2章数据预处理习题2.3数据清理包括以下几个步骤：1.缺失值处理2.异常值检测处理3.数据清洗习题2.4处理缺失值的方法包括：1.删除缺失值2.插补法3.不处理缺失值第3章数据挖掘习题3.1数据挖掘的主要算法包括：1.决策树2.神经网络3.支持向量机4.关联规则5.聚类分析习题3.6K-Means算法的主要步骤包括：1.首先随机选择k个点作为质心2.将所有点分配到最近的质心中3.重新计算每个簇的质心4.重复2-3步，直到达到停止条件第4章模型评价与改进习题4.1模型评价的方法包括：1.混淆矩阵2.精确率、召回率3.F1值4.ROC曲线习题4.4过拟合是指模型过于复杂，学习到了训练集的噪声和随机变化，导致泛化能力不足。
对于过拟合的处理方法包括：1.增加样本数2.缩小模型规模3.正则化4.交叉验证结语以上是《数据挖掘概念与技术》第3版课后习题的答案，希望能够给大家的学习带来帮助。
如果大家还有其他问题，可以在评论区留言，或者在相关论坛等平台提出。
大工20春《数据挖掘》课程大作业满分答案
大工20春《数据挖掘》课程大作业满分答案网络教育学院《数据挖掘》课程大作业题目：KNN算法原理及Python实现姓名：研究中心：第一大题：数据挖掘》是一门实用性非常强的课程，数据挖掘是大数据这门前沿技术的基础，拥有广阔的前景，在信息化时代具有非常重要的意义。
数据挖掘的研究领域非常广泛，主要包括数据库系统、基于知识的系统、人工智能、机器研究、知识获取、统计学、空间数据库和数据可视化等领域。
在研究过程中，我也遇到了不少困难，例如基础差，对于Python基础不牢，尤其是在进行这次课程作业时，显得力不从心；个别算法也研究的不够透彻。
在接下来的研究中，我仍然要加强理论知识的研究，并且在研究的同时联系实际，在日常工作中注意运用《数据挖掘》所学到的知识，不断加深巩固，不断发现问题，解决问题。
另外，对于自己掌握不牢的知识要勤复，多练，使自己早日成为一名合格的计算机毕业生。
第二大题：KNN算法介绍KNN算法，又叫K最邻近分类算法，是数据挖掘分类技术中最简单的方法之一。
所谓K最近邻，就是k个最近的邻居的意思，说的是每个样本都可以用它最接近的k个邻居来代表。
KNN算法的基本思路是：如果一个样本在特征空间中的k个最相似（即特征空间中最邻近）的样本中的大多数属于某一个类别，则该样本也属于这个类别。
KNN算法流程1.计算测试数据与各个训练数据之间的距离；2.按照距离的递增关系进行排序；3.选取距离最小的K个点；4.确定前K个点所在类别的出现频率；5.返回前K个点中出现频率最高的类别作为测试数据的预测分类。
Python实现算法及预测在Python中，我们可以使用sklearn库来实现KNN算法。
具体实现代码如下：pythonfrom sklearn.neighbors import KNeighborsClassifierknn = KNeighborsClassifier(n_neighbors=k)knn.fit(X_train。
(完整word版)数据挖掘课后答案
第一章1．6(1)数据特征化是目标类数据的一般特性或特征的汇总。
例如，在某商店花费1000元以上的顾客特征的汇总描述是：年龄在40—50岁、有工作和很好的信誉等级。
（2）数据区分是将目标类数据对象的一般特性与一个或多个对比类对象的一般特性进行比较。
例如,高平均分数的学生的一般特点,可与低平均分数的学生的一般特点进行比较.由此产生的可能是一个相当普遍的描述，如平均分高达75％的学生是大四的计算机科学专业的学生，而平均分低于65%的学生则不是.（3)关联和相关分析是指在给定的频繁项集中寻找相关联的规则.例如，一个数据挖掘系统可能会发现这样的规则：专业（X，“计算机科学”)=〉拥有(X，”个人电脑“）[support= 12％，confidence = 98%]，其中X是一个变量，代表一个学生，该规则表明，98％的置信度或可信性表示,如果一个学生是属于计算机科学专业的，则拥有个人电脑的可能性是98%。
12％的支持度意味着所研究的所有事务的12％显示属于计算机科学专业的学生都会拥有个人电脑。
（4)分类和预测的不同之处在于前者是构建了一个模型(或函数），描述和区分数据类或概念，而后者则建立了一个模型来预测一些丢失或不可用的数据，而且往往是数值，数据集的预测。
它们的相似之处是它们都是为预测工具：分类是用于预测的数据和预测对象的类标签，预测通常用于预测缺失值的数值数据。
例如：某银行需要根据顾客的基本特征将顾客的信誉度区分为优良中差几个类别，此时用到的则是分类;当研究某只股票的价格走势时，会根据股票的历史价格来预测股票的未来价格，此时用到的则是预测。
（5）聚类分析数据对象是根据最大化类内部的相似性、最小化类之间的相似性的原则进行聚类和分组。
聚类还便于分类法组织形式,将观测组织成类分层结构，把类似的事件组织在一起。
例如：世界上有很多种鸟，我们可以根据鸟之间的相似性，聚集成n类，其中n可以认为规定. (6）数据演变分析描述行为随时间变化的对象的规律或趋势，并对其建模。
(完整word版)数据挖掘_概念与技术(第三版)部分习题答案(word文档良心出品)
1.4 数据仓库和数据库有何不同？有哪些相似之处？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。
1.3 定义下列数据挖掘功能：特征化、区分、关联和相关分析、预测聚类和演变分析。
使用你熟悉的现实生活的数据库，给出每种数据挖掘功能的例子。
答：特征化是一个目标类数据的一般特性或特性的汇总。
例如，学生的特征可被提出，形成所有大学的计算机科学专业一年级学生的轮廓，这些特征包括作为一种高的年级平均成绩(GPA：Grade point aversge)的信息，还有所修的课程的最大数量。
区分是将目标类数据对象的一般特性与一个或多个对比类对象的一般特性进行比较。
例如，具有高GPA 的学生的一般特性可被用来与具有低GPA 的一般特性比较。
最终的描述可能是学生的一个一般可比较的轮廓，就像具有高GPA 的学生的75%是四年级计算机科学专业的学生，而具有低GPA 的学生的65%不是。
关联是指发现关联规则，这些规则表示一起频繁发生在给定数据集的特征值的条件。
例如，一个数据挖掘系统可能发现的关联规则为：major(X, “computing science”) ⇒ owns(X, “personal computer”)[support=12%, confidence=98%] 其中，X 是一个表示学生的变量。
这个规则指出正在学习的学生，12%（支持度）主修计算机科学并且拥有一台个人计算机。
这个组一个学生拥有一台个人电脑的概率是98%（置信度，或确定度）。
分类与预测不同，因为前者的作用是构造一系列能描述和区分数据类型或概念的模型（或功能），而后者是建立一个模型去预测缺失的或无效的、并且通常是数字的数据值。
- 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)。
浙江大学远程教育学院《数据挖掘》课程作业答案第一章引言一、填空题（1）数据清理，数据集成，数据选择，数据变换，数据挖掘，模式评估，知识表示（2）算法的效率、可扩展性和并行处理（3）统计学、数据库技术和机器学习（4）一些与数据的一般行为或模型不一致的孤立数据二、简答题（1）什么是数据挖掘？答：数据挖掘指的是从大量的数据中挖掘出那些令人感兴趣的、有用的、隐含的、先前未知的和可能有用的模式或知识。
（2）一个典型的数据挖掘系统应该包括哪些组成部分？答：一个典型的数据挖掘系统应该包括以下部分：数据库、数据仓库或其他信息库数据库或数据仓库服务器知识库数据挖掘引擎模式评估模块图形用户界面（3）Web挖掘一般包括以下步骤：数据清理: (这个可能要占全过程60％的工作量)数据集成将数据存入数据仓库建立数据立方体选择用来进行数据挖掘的数据数据挖掘（选择适当的算法来找到感兴趣的模式）展现挖掘结果将模式或者知识应用或者存入知识库（4）请列举数据挖掘应用常见的数据源。
（或者说，我们都在什么样的数据上进行数据挖掘）答：常见的数据源包括关系数据库、数据仓库、事务数据库和高级数据库系统和信息库。
其中高级数据库系统和信息库包括：空间数据库、时间数据库和时间序列数据库、流数据、多媒体数据库、面向对象数据库和对象-关系数据库、异种数据库和遗产(legacy)数据库、文本数据库和万维网(WWW)等。
第二章认识数据一、填空题（1）5/13(2）极差、分位数、四分位数、百分位数、四分位数极差和标准差（3）出落在至少高于第三个四分位数或低于第一个四分位数1.5×IQR处的值二、单选题（1）C；（2）C；三、简答题（1）什么是基于像素的可视化技术？它有什么缺点？答：对于一个m维数据集，基于像素的可视化技术在屏幕上创建m个窗口，每维一个。
记录的m个维值映射到这些窗口对应位置上的m个像素。
像素的颜色反映对应的值。
基于像素的可视化技术的缺点：难以呈现多维空间的数据分布，不显示数据子空间中是否存在稠密区域。
（2）对称的和不对称的二元属性有什么区别？答：对称的二元属性指变量的两个状态具有同等价值或相同权重；而不对称的二元属性中，变量的两个状态的重要性是不同的。
对称的二元属性可以使用简单匹配系数评估它们的相异度；不对称的二元属性使用Jaccard 系数评估它们的相异度。
第三章数据预处理一、填空题（1）数据清理、数据集成、数据变换、数据规约（2）沿概念分层向上概化（3）有损压缩，无损压缩（4）线性回归方法，多元回归，对数线性模型二、简答题（1）常用的数值属性概念分层的方法有哪些？答：常用的数值属性概念分层的方法有分箱、直方图分析、聚类分析、基于熵的离散化和通过自然划分分段。
（2）主成份分析步骤为：a、规范化输入的数据：所有属性落在相同的区间内；b、计算k个标准正交向量，即主成分；c、每个输入数据的向量都是这k个主成分向量的线性组合；d、主成分按照重要程度降序排序。
（3）在现实世界的数据中，元组在某些属性上缺少值是常有的。
描述处理该问题的各种方法。
答：处理空缺值的方法有：（1）忽略元组。
当类标号缺少时通常这么做（假定挖掘任务设计分类或描述），当每个属性缺少值的百分比变化很大时，它的效果非常差。
（2）人工填写空缺值。
这种方法工作量大，可行性低（3）使用一个全局变量填充空缺值：比如使用unknown或-∞（4）使用属性的平均值填充空缺值（5）使用与给定元组属同一类的所有样本的平均值（6）使用最可能的值填充空缺值。
如使用像Bayesian公式或判定树这样的基于推断的方法（4）常见的数据归约策略包括哪些？答：数据归约策略包括：（1）数据立方体聚集（2）维归约（3）数据压缩（4）数值归约（5）离散化和概念分层产生第六—七章挖掘频繁模式、关联和相关一、填空题（1）支持度和置信度（2）连接和剪枝（3）包含项集的事务数（4）找出所有频繁项集、由频繁项集产生强关联规则（5）布尔关联规则、量化关联规则（6）频繁项集的所有非空子集也必须是频繁的（7）频繁谓词集二、简答题（1）简述在多层关联规则挖掘中，在不同的层使用一致的支持度的优缺点。
答：优点：搜索时容易采用优化策略，即一个项如果不满足最小支持度，它的所有子项都可以不用搜索。
缺点：最小支持度值设置困难：太高则将丢掉出现在较低抽象层中有意义的关联规则；太低则会在较高层产生太多的无兴趣的规则。
（2）如何提高Apriori算法的有效性？有哪些常见方法？可以使用以下几个思路提升Apriori算法有效性：减少对数据的扫描次数；缩小产生的候选项集；改进对候选项集的支持度计算方法。
常见方法包括：a、基于hash表的项集计数；b、事务压缩（压缩进一步迭代的事务数）c、划分；d、选样（在给定数据的一个子集挖掘）；e、动态项集计数。
第八章分类一、填空题（1）分类规则、决策树、数学公式（2）类条件独立二、简答题（1）在判定树归纳中，为什么树剪枝是有用的？答：决策树建立时，许多分枝反映的是训练数据中的噪声和离群点点，树剪枝可以识别并剪去这种分枝，以提高对未知数据分类的准确性。
（2）为什么朴素贝叶斯分类称为“朴素”的？简述朴素贝叶斯分类优缺点。
答：基于贝叶斯定理的推断需要大量训练数据以覆盖类条件概率空间，引入了很大开销。
朴素贝叶斯分类做了类条件独立假设，大幅降低了计算开销。
他的优点是容易实现并在大多数情况下可以取得较好的结果；他的缺陷是类条件独立在实际应用中缺乏准确性，因为变量之间经常存在依赖关系；这种依赖关系影响了朴素贝叶斯分类器的准确性。
（3）分类方法的常用评估度量都有哪些？精度（Precision）：标记为正类的元组实际为正类所占的百分比召回率：正元组标记为正的百分比F 度量：精度和召回率的调和评估指标准确率（accuracy），识别率：测试数据中被正确分类的元组所占的百分比；（2）数据分布的情况（3）高类内相似度、低类间相似度（4）数据矩阵和相似度矩阵（5）处理数度快二、简答题（1）简述基于划分的聚类方法。
划分的准则是什么？答：基于划分的聚类方法：给定一个n个对象或元组的数据库，一个划分方法构建数据的k 个划分，每个划分表示一个簇，并且k<=n。
划分方法要求每个组至少包含一个对象并且每个对象属于且仅属于一个组。
聚类目标可以是最优化某种度量，比如最小化数据点与类中心的距离平方和等。
划分准则是同一个聚类中的对象尽可能的接近或相关，不同聚类中的对象尽可能的原理或不同。
（2）列举离群点挖掘的常见应用。
答：离群点检测的应用很多，列举一些如下：a、欺诈检测；b、网络入侵；c、故障诊断；d、可疑金融交易监控。
第四章数据仓库与OLAP技术一、填空题（1）星形模式、雪花模式和事实星座模式（2）不物化、部分物化和全物化（3）面向主题、数据集成、随时间而变化和数据不易丢失（4）事务操作，只读查询（5）分布的、代数的和整体的（6）自顶向下视图、数据源视图、数据仓库视图、商务查询视图（7）关系OLAP服务器(ROLAP)、多维OLAP服务器(MOLAP)和混合OLAP服务器(HOLAP)（8）分布的（9）海量数据，有限的内存和时间二、简答题（1）为什么在进行联机分析处(OLAP)时，我们需要一个独立的数据仓库，而不是直接在日常操作的数据库上进行。
答：使用一个独立的数据仓库进行OLAP处理是为了以下目的：(1)提高两个系统的性能操作数据库是为OLTP而设计的，没有为OLAP操作优化，同时在操作数据库上处理OLAP查询，会大大降低操作任务的性能；而数据仓库是为OLAP而设计，为复杂的OLAP查询, 多维视图，汇总等OLAP功能提供了优化。
(2)两者有着不同的功能操作数据库支持多事务的并行处理，而数据仓库往往只是对数据记录进行只读访问；这时如果将事务处理的并行机制和恢复机制用于这种OLAP操作，就会显著降低OLAP的性能。
(3)两者有着不同的数据数据仓库中存放历史数据；日常操作数据库中存放的往往只是最新的数据。
（2）为什么说数据仓库具有随时间而变化的特征？答：（1）数据仓库的时间范围比操作数据库系统要长的多。
操作数据库系统主要保存当前数据，而数据仓库从历史的角度提供信息（比如过去5-10 年）。
（2）数据仓库中的每一个关键结构都隐式或显式地包含时间元素，而操作数据库中的关键结构可能就不包括时间元素。
（3）试述对于多个异种信息源的集成，为什么许多公司宁愿使用更新驱动的方法（update-driven），而不愿使用查询驱动（query-driven）的方法？答：因为对于多个异种信息源的集成，查询驱动方法需要复杂的信息过滤和集成处理，并且与局部数据源上的处理竞争资源，是一种低效的方法，并且对于频繁的查询，特别是需要聚集操作的查询，开销很大。
而更新驱动方法为集成的异种数据库系统带来了高性能，因为数据被处理和重新组织到一个语义一致的数据存储中，进行查询的同时并不影响局部数据源上进行的处理。
此外，数据仓库存储并集成历史信息，支持复杂的多维查询。
（4）请简述几种典型的多维数据的OLAP操作答：典型的OLAP操作包括以下几种上卷：通过一个维的概念分层向上攀升或者通过维归约，在数据立方体上进行聚集；下钻：上卷的逆操作，由不太详细的数据得到更详细的数据；通常可以通过沿维的概念分层向下或引入新的维来实现；切片：在给定的数据立方体的一个维上进行选择，导致一个子方；切块：通过对两个或多个维执行选择，定义子方；转轴：转动数据的视角，提供数据的替代表示；钻过：执行涉及多个事实表的查询；钻透：使用关系SQL机制，钻到数据立方体的底层，到后端关系表（5）为什么说相对于日常的应用数据库，数据仓库中的数据更加不容易丢失？答：（1）尽管数据仓库中的数据来自于操作数据库，但它们却是在物理上分离保存的，操作数据库的更新操作不会出现在数据仓库环境下。
（2）数据仓库不需要事务处理，恢复，和并发控制等机制。
（3）数据仓库只需要两种数据访问：数据的初始转载和数据访问（读操作）。
（6）在数据仓库中，元数据的主要用途包括哪些？答：在数据仓库中，元数据的主要用途包括：（1）用作目录，帮助决策支持系统分析者对数据仓库的内容定义（2）作为数据仓库和操作性数据库之间进行数据转换时的映射标准（3）用于指导当前细节数据和稍加综合的数据之间的汇总算法，指导稍加综合的数据和高度综合的数据之间的汇总算法。
（7）数据仓库后端工具和程序包括哪些？答：数据仓库后端工具主要指的是用来装入和刷新数据的工具，包括：（1）数据提取：从多个外部的异构数据源收集数据（2）数据清理：检测数据种的错误并作可能的订正（3）数据变换：将数据由历史或主机的格式转化为数据仓库的格式（4）装载：排序、汇总、合并、计算视图，检查完整性，并建立索引和分区（5）刷新：将数据源的更新传播到数据仓库中。