数据挖掘课后题答案
数据挖掘智慧树知到课后章节答案2023年下山东科技大学
数据挖掘智慧树知到课后章节答案2023年下山东科技大学山东科技大学第一章测试1.什么是KDD？答案:A.数据挖掘与知识发现2.数据挖掘的主要任务是从数据中发现潜在的规则，从而能更好的完成描述数据、预测数据等任务。
答案:对3.数据挖掘的预测建模任务主要包括哪几大类问题？答案:分类;回归4.以下哪些学科和数据挖掘有密切联系？答案:人工智能;统计5.离群点可以是合法的数据对象或者值。
答案:对第二章测试1.下面哪个属于定量的属性类型：答案:区间2.只有非零值才重要的二元属性被称作：答案:非对称的二元属性3.定量属性可以是整数值或者是连续值。
答案:对4.中心趋势度量模（mode）是指答案:数据集中出现频率最高的值5.以下哪些是属于中心趋势的度量答案:平均值;中位数第三章测试1.数据清洗的方法不包括答案:重复数据记录处理2.对数据进行数据清理、集成、变换、规约是数据挖掘哪个步骤的任务？答案:数据预处理3.以下哪项不属于数据规约的方法?答案:数据迁移4.大数据预处理的方法不包含以下哪个选项?答案:数据采集5.在噪声数据中，波动数据比离群点数据偏离整体水平更大。
答案:错第四章测试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？答案:关联规则发现2.关联规则挖掘过程是发现满足最小支持度的所有项集代表的规则。
答案:错3.具有较高的支持度的项集具有较高的置信度。
答案:错4.给定关联规则A→B，意味着：若A发生，B也会发生。
答案:错5.啤酒与尿布的故事是聚类分析的典型实例。
答案:错第五章测试1.分类和回归都可用于预测，分类的输出是离散的类别值，而回归的输出是连续数值。
答案:对2.决策树方法通常用于关联规则挖掘。
答案:错3.在决策树中，随着树中结点数变得太大，即使模型的训练误差还在继续减低，但是检验误差开始增大，这是出现了模型拟合不足的问题。
答案:错4.对于SVM分类算法，待分样本集中的大部分样本不是支持向量，移去或者减少这些样本对分类结果没有影响。
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。
数据挖掘习题答案
数据挖掘习题答案数据挖掘习题答案数据挖掘作为一门重要的技术和方法，广泛应用于各个领域。
在学习数据挖掘的过程中，习题是不可或缺的一部分。
通过解答习题，我们可以更好地理解和掌握数据挖掘的原理和应用。
以下是一些常见的数据挖掘习题及其答案，供大家参考。
一、选择题1. 数据挖掘的目标是什么？A. 发现隐藏在大数据中的模式和关联B. 提供数据存储和管理的解决方案C. 分析数据的趋势和变化D. 优化数据的存储和传输速度答案：A. 发现隐藏在大数据中的模式和关联2. 下列哪个不是数据挖掘的主要任务？A. 分类B. 聚类C. 回归D. 排序答案：D. 排序3. 数据挖掘的过程包括以下几个步骤，哪个是第一步？A. 数据清洗B. 数据集成C. 数据转换D. 数据选择答案：B. 数据集成4. 下列哪个不是数据挖掘中常用的算法？A. 决策树B. 支持向量机C. 朴素贝叶斯D. 深度学习答案：D. 深度学习5. 下列哪个不是数据挖掘的应用领域？A. 金融B. 医疗C. 娱乐D. 政治答案：D. 政治二、填空题1. 数据挖掘是从大量数据中发现________和________。
答案：模式，关联2. 数据挖掘的主要任务包括分类、聚类、回归和________。
答案：预测3. 数据挖掘的过程包括数据集成、数据清洗、数据转换和________。
答案：模式识别4. 决策树是一种常用的________算法。
答案：分类5. 数据挖掘可以应用于金融、医疗、娱乐等多个________。
答案：领域三、简答题1. 请简要介绍数据挖掘的主要任务和应用领域。
答：数据挖掘的主要任务包括分类、聚类、回归和预测。
分类是将数据集划分为不同的类别，聚类是将数据集中相似的样本归为一类，回归是根据已有的数据预测未知数据的值，预测是根据已有的数据预测未来的趋势和变化。
数据挖掘的应用领域非常广泛，包括金融、医疗、娱乐等。
在金融领域，数据挖掘可以用于信用评估、风险管理等方面；在医疗领域，数据挖掘可以用于疾病诊断、药物研发等方面；在娱乐领域，数据挖掘可以用于推荐系统、用户行为分析等方面。
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。
（完整版）数据挖掘概念课后习题答案
（完整版）数据挖掘概念课后习题答案第 1 章1.6 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。
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 a ve r s ge) 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：m a j or(X,“c omput i ng s c i e nc e”) ?owns(X, “pe r s ona l c omput e r”)[s uppor t=12%,c on f i d e nc e=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，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。
它们的功能）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。
聚类分析的数据对象不考虑已知的类标号。
对象根据最⼤花蕾内部的相似性、最⼩化类之间的相似性的原则进⾏聚类或分组。
形成的每⼀簇可以被看作⼀个对象类。
数据挖掘概念与技术习题答案-第1章
数据挖掘概念与技术（原书第3版）第一章课后习题及解答1.9习题1.1什么是数据挖掘？在你的回答中，强调以下问题：(a）它是又一种广告宣传吗？（b)它是一种从数据库、统计学、机器学习和模式识别发展而来的技术的简单转换或应用吗?(c)我们提出了一种观点，说数据挖掘是数据库技术进化的结果。
你认为数据挖掘也是机器学习研究进化的结果吗？你能基于该学科的发展历史提出这一观点吗？针对统计学和模式识别领域，做相同的事。
(d)当把数据挖掘看做知识发现过程时，描述数据挖掘所涉及的步骤。
答：狭义的数据挖掘是知识发现过程中的一个步骤,广义的数据挖掘通常用来表示整个知识发现过程,我们一般采用广义的观点:数据挖掘是从大量数据中挖掘有趣模式和知识的过程。
数据源包括数据库、数据仓库、WEB、其他信息存储库或动态地流入系统的数据。
a.它不是一种广告宣传，它基于实际的需求，提供从数据中发现知识的工具。
b。
数据挖掘不是从数据库、统计学、机器学习和模式识别发展而来的技术的简单转换或应用，它可以看做是信息技术的自然进化，是一些相关学科和应用领域的交汇点.c。
数据挖掘是数据库技术进化的结果，也是机器学习、统计学和模式识别领域技术进化的结果。
机器学习是一个快速成长的学科,这一领域中的监督学习、无监督学习、半监督学习和主动学习问题，与数据挖掘高度相关，数据挖掘和机器学习有许多相似之处,对于分类和聚类任务，机器学习研究通常关注模型的准确率。
除准确率之外，数据挖掘研究非常强调挖掘方法在大型数据集上的有效性和可伸缩性，以及处理复杂数据类型的方法，开发新的非传统的方法.统计学研究数据的收集、分析、解释和表示。
数据挖掘和统计学具有天然联系。
（1）统计模型是一组数学函数，它们利用随机变量及其概率分布刻画目标类对象的行为，可以是数据挖掘的结果，也可以是数据挖掘任务的基础。
（2)统计学研究开发一些使用数据和统计模型进行预测和预报的工具，描述统计可以帮助理解数据；推理统计学用某种方式对数据建模，可以解释观测中的随机性和确定性，并用来提取关于所考察的过程中或总体的结论.（3）统计假设检验使用实验数据进行统计判决,可以用来验证数据挖掘结果。
- 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)。
数据挖掘——概念概念与技术Jiawei Han Micheline Kamber 著范明孟晓峰译第1章引言1.1 什么是数据挖掘？在你的回答中，针对以下问题：1.2 1.6 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。
解答：☒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, “c omputing science”) owns(X, “personalcomputer”) [support=12%, confid ence=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。
☒聚类分析的数据对象不考虑已知的类标号。
对象根据最大花蕾内部的相似性、最小化类之间的相似性的原则进行聚类或分组。
形成的每一簇可以被看作一个对象类。
聚类也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。
☒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1.3 1.9 列举并描述说明数据挖掘任务的五种原语。
解答：用于指定数据挖掘任务的五种原语是：☒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。
☒挖掘的数据类型：这种原语指明了所要执行的特定数据挖掘功能，如特征化、区分、关联、分类、聚类、或演化分析。
同样，用户的要求可能更特殊，并可能提供所发现的模式必须匹配的模版。
这些模版或超模式（也被称为超规则）能被用来指导发现过程。
☒背景知识：这种原语允许用户指定已有的关于挖掘领域的知识。
这样的知识能被用来指导知识发现过程，并且评估发现的模式。
关于数据中关系的概念分层和用户信念是背景知识的形式。
☒模式兴趣度度量：这种原语允许用户指定功能，用于从知识中分割不感兴趣的模式，并且被用来指导挖掘过程，也可评估发现的模式。
这样就允许用户限制在挖掘过程返回的不感兴趣的模式的数量，因为一种数据挖掘系统可能产生大量的模式。
兴趣度测量能被指定为简易性、确定性、适用性、和新颖性的特征。
☒发现模式的可视化：这种原语述及发现的模式应该被显示出来。
为了使数据挖掘能有效地将知识传给用户，数据挖掘系统应该能将发现的各种形式的模式展示出来，正如规则、表格、饼或条形图、决策树、立方体或其它视觉的表示。
1.4 1.13 描述以下数据挖掘系统与数据库或数据仓库集成方法的差别：不耦合、松散耦合、半紧耦合和紧密耦合。
你认为哪种方法最流行，为什么？解答：数据挖掘系统和数据库或数据仓库系统的集成的层次的差别如下。
☒不耦合：数据挖掘系统用像平面文件这样的原始资料获得被挖掘的原始数据集，因为没有数据库系统或数据仓库系统的任何功能被作为处理过程的一部分执行。
因此，这种构架是一种糟糕的设计。
☒松散耦合：数据挖掘系统不与数据库或数据仓库集成，除了使用被挖掘的初始数据集的源数据和存储挖掘结果。
这样，这种构架能得到数据库和数据仓库提供的灵活、高效、和特征的优点。
但是，在大量的数据集中，由松散耦合得到高可测性和良好的性能是非常困难的，因为许多这种系统是基于内存的。
☒半紧密耦合：一些数据挖掘原语，如聚合、分类、或统计功能的预计算，可在数据库或数据仓库系统有效的执行，以便数据挖掘系统在挖掘-查询过程的应用。
另外，一些经常用到的中间挖掘结果能被预计算并存储到数据库或数据仓库系统中，从而增强了数据挖掘系统的性能。
☒紧密耦合：数据库或数据仓库系统被完全整合成数据挖掘系统的一部份，并且因此提供了优化的数据查询处理。
这样的话，数据挖掘子系统被视为一个信息系统的功能组件。
这是一中高度期望的结构，因为它有利于数据挖掘功能、高系统性能和集成信息处理环境的有效实现。
从以上提供的体系结构的描述看，紧密耦合是最优的，没有值得顾虑的技术和执行问题。
但紧密耦合系统所需的大量技术基础结构仍然在发展变化，其实现并非易事。
因此，目前最流行的体系结构仍是半紧密耦合，因为它是松散耦合和紧密耦合的折中。
1.5 1.14 描述关于数据挖掘方法和用户交互问题的三个数据挖掘挑战。
)第 2 章 数据预处理2.1 2.2 假设给定的数据集的值已经分组为区间。
区间和对应的频率如下。
年龄 频率 1~5 200 5~15 450 15~20 300 20~50 1500 50~80 700 80~11044计算数据的近似中位数值。
解答： 先判定中位数区间：N=200+450+300+1500+700+44=3194；N/2=1597∵ 200+450+300=950<1597<2450=950+1500； ∴ 20~50 对应中位数区间。
我们有：L 1=20，N =3197，(∑freq ) l =950，freq med ian =1500，width =30，使用公 式（2.3）：N / 2 (freq l3197 / 2 950 median = L 1+width = 20 + ⋅ 30 = 32.97freq median1500∴ median =32.97 岁。
2.2 2.4 假定用于分析的数据包含属性 age 。
数据元组的 age 值（以递增序）是：13，15，16，16，19，20，20，21，22，22，25，25，25，25，30， 33，33，35，35，35，35，36，40，45，46，52，70。
(a) 该数据的均值是什么？中位数是什么？(b) 该数据的众数是什么？讨论数据的峰（即双峰、三峰等）。
(c) 数据的中列数是什么？(d) 你能（粗略地）找出数据的第一个四分位数（Q 1）和第三个四分位数（Q 3）N吗？(e) 给出数据的五数概括。
(f) 画出数据的盒图。
(g) 分位数—分位数图与分位数图的不同之处是什么？解答：(a) 该数据的均值是什么？中位数是什么？1 N均值是：x = xii=1个，即x14=25=Q2。
= 809 / 27 = 29.96 E 30 （公式2.1 ）。
中位数应是第14(b) 该数据的众数是什么？讨论数据的峰（即双峰、三峰等）。
这个数集的众数有两个：25 和35，发生在同样最高的频率处，因此是双峰众数。
(c) 数据的中列数是什么？数据的中列数是最大术和最小是的均值。
即：midrange=(70+13)/2=41.5。
(d) 你能（粗略地）找出数据的第一个四分位数（Q1）和第三个四分位数（Q3）吗？数据集的第一个四分位数应发生在25%处，即在(N+1)/4=7 处。
所以：Q1=20。
而第三个四分位数应发生在75%处，即在3×(N+1)/4=21 处。
所以：Q3=35(e) 给出数据的五数概括。
一个数据集的分布的5 数概括由最小值、第一个四分位数、中位数、第三个四分位数、和最大值构成。
它给出了分布形状良好的汇总，并且这些数据是：13、20、25、35、70。
(f) 画出数据的盒图。
略。
(g) 分位数—分位数图与分位数图的不同之处是什么？分位数图是一种用来展示数据值低于或等于在一个单变量分布中独立的变量的粗略百分比。
这样，他可以展示所有数的分位数信息，而为独立变量测得的值（纵轴）相对于它们的分位数（横轴）被描绘出来。
但分位数—分位数图用纵轴表示一种单变量分布的分位数，用横轴表示另一单变量分布的分位数。
两个坐标轴显示它们的测量值相应分布的值域，且点按照两种分布分位数值展示。
一条线（y=x）可画到图中，以增加图像的信息。
落在该线以上的点表示在y 轴上显示的值的分布比x 轴的相应的等同分位数对应的值的分布高。
反之，对落在该线以下的点则低。
2.3 2.7 使用习题2.4 给出的age 数据回答下列问题：(a) 使用分箱均值光滑对以上数据进行光滑，箱的深度为3。
解释你的步骤。
评述对于给定的数据，该技术的效果。
(b) 如何确定数据中的离群点？(c) 对于数据光滑，还有哪些其他方法？解答：(a) 使用分箱均值光滑对以上数据进行光滑，箱的深度为3。
解释你的步骤。
评述对于给定的数据，该技术的效果。
用箱深度为3 的分箱均值光滑对以上数据进行光滑需要以下步骤：☒ 步骤1：对数据排序。
（因为数据已被排序，所以此时不需要该步骤。
）☒ 步骤2：将数据划分到大小为3 的等频箱中。
箱1：13，15，16 箱2：16，19，20 箱3：20，21，22 箱4：22，25，25 箱5：25，25，30 箱6：33，33，35 箱7：35，35，35 箱8：36，40，45 箱9：46，52，70☒ 步骤3：计算每个等频箱的算数均值。
☒ 步骤4：用各箱计算出的算数均值替换每箱中的每个值。
箱1：44/3，44/3 ，44/3 箱2：55/3 ，55/3，55/3 箱3：21，21，21箱4：24，24，24 箱5：80/3，80/3，80/3 箱6：101/3，101/3 ，101/3箱7：35，35，35 箱8：121/3，121/3 ，121/3 箱9：56，56，56 (b) 如何确定数据中的离群点？聚类的方法可用来将相似的点分成组或“簇”，并检测离群点。
落到簇的集外的值可以被视为离群点。
作为选择，一种人机结合的检测可被采用，而计算机用一种事先决定的数据分布来区分可能的离群点。