《数据挖掘》练习题(第1章)
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。
数据挖掘(练习)考试答案
数据挖掘（练习）1、(单选，4分)以下哪项不属于知识发现的过程？( )A、数据清理B、数据挖掘C、知识可视化表达D、数据测试答案：D2、(单选，4分)以下哪些不属于数据挖掘的内容？（）A、分类B、聚类C、离群点检测D、递归分析答案：D3、(单选，4分)以下哪个不是常见的属性类型？（）A、A．标称属性B、数值属性C、高维属性D、序数属性答案：C4、(单选，4分)以下哪个度量属于数据散度的描述？（）A、均值B、中位数C、标准差D、众数答案：C5、(单选，4分)以下哪个度量不属于数据中心趋势度描述？（D ）A、A．均值B、中位数C、众数D、四分位数答案：D6、(单选，4分)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？( )A、频繁模式挖掘B、分类和预测C、数据预处理D、噪声检测答案：C7、(单选，4分)聚类分析是数据挖掘的一种重要技术，以下哪个算法不属于聚类算法？( )A、K-MeansB、DBSCANC、SVMD、EM 答案：C8、(单选，4分)建立一个模型，通过这个模型根据已知的变量值来预测其他某个变量值属于数据挖掘的哪一类任务？( )A、根据内容检索B、建模描述C、预测建模D、寻找模式和规则答案：C9、(单选，4分)当不知道数据所带标签时. 可以使用哪种技术促使带同类标签的数据与带其他标签的数据相分离？( )A、分类B、聚类C、关联分析D、隐马尔可夫链答案：B10、(单选，4分)在构造决策树时，以下哪种不是选择属性的度量的方法？( )A、信息增益B、信息增益率C、基尼指数D、距离答案：D11、(单选，4分)知识发现流程最核心的步骤是什么？( )A、数据挖掘B、数据预处理C、模式评估D、知识表示答案：A12、(单选，4分)将原始数据进行集成、变换、维度规约、数值规约是在以下哪个步骤的任务？( )A、频繁模式挖掘B、分类和预测C、数据预处理D、数据流挖掘答案：C13、(单选，4分)以下哪个度量属于数据中心性的描述？（）A、均值B、极差C、众数D、标准差答案：A14、(单选，4分)类分析是数据挖掘的一种重要技术，以下哪个算法不属于聚类算法？( )A、K-MeansB、DBSCANC、KNND、EM 答案：C15、(单选，4分)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、关联规则发现B、聚类C、分类D、自然语言处理答案：A16、(单选，4分)以下哪些算法是分类算法？( ) A、DBSCAN B、C4.5 C、K-Mean D、EM 答案：B17、(单选，4分)K-means算法的缺点不包括？( ) A、K必须是事先给定的B、选择初始聚类中心C、对于“噪声”和孤立点数据是敏感的D、可伸缩、高效答案：D18、(单选，4分)机器学习中，下面哪些方法不可以避免分类中的过拟合问题？（）A、增加样本数量B、增加模型复杂度C、去除噪声D、正则化答案：B19、(单选，4分)下面那个不属于知识发现过程。
数据挖掘练习题附答案
数据挖掘练习题A一、简答题1. 数据对象之间的相似性可用距离来衡量，常见的距离形式有哪些？答：曼哈顿距离，欧几里得距离，切比雪夫距离，闵可夫斯基距离，杰卡德距离2. 简述朴素贝叶斯分类的基本思想。
答：对于给出的待分类项，求解在此项出现的条件下各个类别出现的概率，哪个概率最大，就认为此待分类项属于哪个类别。
1）设x={a!,a",…,a#}为一个待分类项，a为x的特征属性；2）有类别集合C={y!,y",…,y$}3) 计算p(y!|x)，p(y"|x)，… p(y$|x)4) 如果p(y%|x)=max {p(y!|x),p(y"|x),…,p(y%|x)}，则x∈y%3. 在做数据清洗时，如何处理缺失值？答：处理缺失值的方法有3种：1）忽略元组；2）数据补齐，包括人工填写、特殊值填充、平均值填充、使用最可能的值填充；3）不处理。
4. 简述K-means算法的基本步骤。
答：1）任意选择k个对象作为初始的簇中心；2）计算其它对象与这k个中心的距离，然后把每个对象归入离它“最近”的簇；3）计算各簇中对象的平均值，然后选择簇中心（离平均值“最近”的簇）；4）重复第2步到第3步直到簇中心不再变化为止。
5. 在关联规则中，支持度（support）和置信度（confidence）的含义分别是什么？答：支持度support(x->y)=p(x,y)，表示项集中同时含有x和y的概率。
置信度confidence(x->y)=p(y/x)，表示在关联规则的先决条件x发生的条件下，关联结果y发生的概率，即含有x的项集中，同时含有y的可能性。
二、计算题1.假定属性A的取值x在[x_min,x_max]之间，其中x_min和x_max分别为属性A的最小值和最大值，请利用最小-最大规范化方法（也称离差标准化，是对原始数据的线性变化），将x转化到新的区间[y_min,y_max]中，结果用x’表示。
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。
(完整版)数据挖掘考试题库
1.何谓数据挖掘？它有哪些方面的功能？从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程称为数据挖掘。
相关的名称有知识发现、数据分析、数据融合、决策支持等。
数据挖掘的功能包括：概念描述、关联分析、分类与预测、聚类分析、趋势分析、孤立点分析以及偏差分析等。
2.何谓粒度？它对数据仓库有什么影响？按粒度组织数据的方式有哪些？粒度是指数据仓库的数据单位中保存数据细化或综合程度的级别。
粒度影响存放在数据仓库中的数据量的大小，同时影响数据仓库所能回答查询问题的细节程度。
按粒度组织数据的方式主要有：①简单堆积结构②轮转综合结构③简单直接结构④连续结构3.简述数据仓库设计的三级模型及其基本内容。
概念模型设计是在较高的抽象层次上的设计，其主要内容包括：界定系统边界和确定主要的主题域。
逻辑模型设计的主要内容包括：分析主题域、确定粒度层次划分、确定数据分割策略、定义关系模式、定义记录系统。
物理数据模型设计的主要内容包括：确定数据存储结构、确定数据存放位置、确定存储分配以及确定索引策略等。
在物理数据模型设计时主要考虑的因素有: I/O存取时间、空间利用率和维护代价等。
提高性能的主要措施有划分粒度、数据分割、合并表、建立数据序列、引入冗余、生成导出数据、建立广义索引等。
4.在数据挖掘之前为什么要对原始数据进行预处理？原始业务数据来自多个数据库或数据仓库，它们的结构和规则可能是不同的，这将导致原始数据非常的杂乱、不可用，即使在同一个数据库中，也可能存在重复的和不完整的数据信息，为了使这些数据能够符合数据挖掘的要求，提高效率和得到清晰的结果，必须进行数据的预处理。
为数据挖掘算法提供完整、干净、准确、有针对性的数据，减少算法的计算量，提高挖掘效率和准确程度。
5.简述数据预处理方法和内容。
①数据清洗：包括填充空缺值，识别孤立点，去掉噪声和无关数据。
②数据集成：将多个数据源中的数据结合起来存放在一个一致的数据存储中。
原《数据挖掘》习题
ch11.讨论下列每项活动是否是数据挖掘任务：（fgh是）(a) 根据性别划分公司的顾客。
(b) 根据可赢利性划分公司的顾客。
(c) 计算公司的总销售额。
(d) 按学生的标识号对学生数据库排序。
(e) 预测掷一对骰子的结果。
(f) 使用历史记录预测某公司未来的股票价格。
(g) 监视病人心率的异常变化。
(h) 监视地震活动的地震波。
(i) 提取声波的频率。
2. （ch1）数据挖掘可以在很多数据源上进行，如关系数据库，空间数据库，多媒体数据库，文本数据库等。
3. (ch1)数据挖掘一定可以得到有趣的强关联规则。
4. （ch1）为了提高挖掘质量，通常要进行数据预处理，包括数据清理、集成、选择、变换等。
5. (ch5){发烧，上呼吸道感染}是（2）项集6.企业要建立预测模型，需准备建模数据集，以下四条描述建模数据集正确的是( B )。
A 数据越多越好B 尽可能多的适合的数据C数据越少越好D 以上三条都正确7. 数据挖掘算法以( D )形式来组织数据。
A 行 B列 C 记录 D 表格Ch28. （ch2）假定用于分析的数据包含属性age。
数据元组中age的值如下（按递增序）：13，15，16，16，19，20，20，21，22，22，25，25，25，25，30，33，33，35，35，35，35，36，40，45，46，52，70，求：1）使用按箱平均值平滑对以上数据进行平滑，箱的深度是3。
解释你的步骤。
2）使用按箱边界值平滑对以上数据进行平滑，箱的深度是3。
解释你的步骤。
7、P98 3.4（ch3）假定大学的数据仓库包含4个维{student学生、course课程、semester学期、instructor教师}，2个度量count和avg_grade。
在最低的概念层（例如对于给定的学生、课程、学期和教师组合），度量avg_grade存放学生的实际成绩。
为数据仓库画出雪花模式图8、P98 3.5（ch3）假定数据仓库包含4个维date,spectator,location和game，2个度量count和charge。
数据挖掘 练习
※:数据挖掘（练习）1、(单选，4分)以下哪项不属于知识发现的过程？()A、数据清理B、数据挖掘C、知识可视化表达D、数据测试答案：D※:数据挖掘（练习）2、(单选，4分)以下哪些不属于数据挖掘的内容？（）A、分类B、聚类C、离群点检测D、递归分析答案：D※:数据挖掘（练习）3、(单选，4分)以下哪个不是常见的属性类型？（）A、A．标称属性B、数值属性C、高维属性D、序数属性答案：C※:数据挖掘（练习）4、(单选，4分)以下哪个度量属于数据散度的描述？（）A、均值B、中位数C、标准差D、众数答案：C※:数据挖掘（练习）5、(单选，4分)以下哪个度量不属于数据中心趋势度描述？（D）A、A．均值B、中位数C、众数D、四分位数答案：D※:数据挖掘（练习）6、(单选，4分)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？()A、频繁模式挖掘B、分类和预测C、数据预处理D、噪声检测答案：C※:数据挖掘（练习）7、(单选，4分)聚类分析是数据挖掘的一种重要技术，以下哪个算法不属于聚类算法？()A、K-MeansB、DBSCANC、SVMD、EM答案：C※:数据挖掘（练习）8、(单选，4分)建立一个模型，通过这个模型根据已知的变量值来预测其他某个变量值属于数据挖掘的哪一类任务？()A、根据内容检索B、建模描述C、预测建模D、寻找模式和规则答案：C※:数据挖掘（练习）9、(单选，4分)当不知道数据所带标签时.可以使用哪种技术促使带同类标签的数据与带其他标签的数据相分离？()A、分类B、聚类C、关联分析D、隐马尔可夫链答案：B※:数据挖掘（练习）10、(单选，4分)在构造决策树时，以下哪种不是选择属性的度量的方法？()A、信息增益B、信息增益率C、基尼指数D、距离答案：D※:数据挖掘（练习）11、(单选，4分)知识发现流程最核心的步骤是什么？()A、数据挖掘B、数据预处理C、模式评估D、知识表示答案：A※:数据挖掘（练习）12、(单选，4分)将原始数据进行集成、变换、维度规约、数值规约是在以下哪个步骤的任务？()A、频繁模式挖掘B、分类和预测C、数据预处理D、数据流挖掘答案：C※:数据挖掘（练习）13、(单选，4分)以下哪个度量属于数据中心性的描述？（）A、均值B、极差C、众数D、标准差答案：A※:数据挖掘（练习）14、(单选，4分)类分析是数据挖掘的一种重要技术，以下哪个算法不属于聚类算法？()A、K-MeansB、DBSCANC、KNND、EM答案：C※:数据挖掘（练习）15、(单选，4分)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、关联规则发现B、聚类C、分类D、自然语言处理答案：A※:数据挖掘（练习）16、(单选，4分)以下哪些算法是分类算法？()A、DBSCANB、C4.5C、K-MeanD、EM答案：B※:数据挖掘（练习）17、(单选，4分)K-means算法的缺点不包括？()A、K必须是事先给定的B、选择初始聚类中心C、对于“噪声”和孤立点数据是敏感的D、可伸缩、高效答案：D※:数据挖掘（练习）18、(单选，4分)机器学习中，下面哪些方法不可以避免分类中的过拟合问题？（）A、增加样本数量B、增加模型复杂度C、去除噪声D、正则化答案：B※:数据挖掘（练习）19、(单选，4分)下面那个不属于知识发现过程。
数据挖掘第一章部分答案
09物流2班戚业宏2009306820591.1a．数据挖掘不是又一种广告宣传，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。
b．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。
c．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。
d．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。
1.2例如百货公司，可以使用数据挖掘来协助其市场营销目标的实现。
利用数据挖掘功能，例如关联，商店可以使用强关联规则来确定其中一组客户购买的产品可能会导致某些其他产品的购买。
有了这些信息，商店可以出售产品给那些更加喜欢购买更多商品的顾客。
数据查询处理用于数据或信息的检索，没有方法发现关联规则。
同样，简单统计分析无法处理大量的数据，如一家百货公司的顾客记录。
1.6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。
- 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)。
一、选择题
1、从海量数据中提取有用的信息，所面临的困难有( )
A、数据量太大，无法使用传统的数据分析工具和技术处理它们；
B、数据本身不是非传统数据，不能使用传统的数据处理方法进行处理；
C、在某些情况下，面临的问题不能使用己有的数据分析技术来解决；
D、数据量太大，没有足够的存储空间。
2、下列任务中，属于数据挖掘技术在商务智能方面应用的是( )
A、顾客分析
B、定向营销
C、商店分布
D、欺诈检测
3、在地球的气候领域，数据挖掘开发的技术可以帮助地球科学家解决以下问题
A、干旱和飓风等生态系统扰动的频度和强度与全球变暖之间有何联系
B、海洋表面温度对地表降水量和温度有何影响
C、如何准确地预测一个地区的生长季节的开始和结束
D、
4、下列任务中，属于数据挖掘范畴的是
A、预测一位新的顾客是否会在一家百货公司消费 100美元以上。
B、使用数据库管理系统查找个别的记录
C、通过因特网的搜索引擎查找特定的 Web页面
D、根据性别划分公司的顾客。
5、下列任务中，属于数据挖掘范畴的是
A、根据可赢利性划分公司的顾客。
B、计算公司的总销售额。
C、按学生的标识号对学生数据库排序。
D、监视病人心率的异常变化。
6、数据预处理涉及的步骤包括
A、融合来自多个数据源的数据，
B、清洗数据以消除噪声和重复的观测值，
C、选择与当前数据挖掘任务相关的记录和特征。
D、
7、下列数据挖掘任务中，属于分类任务的是
A、预测一个Web用户是否会在网上书店买书
B、预测某股票的未来价格
C、根据检查结果判断病人是否患有某种疾病。
D、
8、异常检测的应用包括
A、检测欺诈
B、网络攻击
C、疾病的不寻常模式
D、生态系统扰动
二、名词解释
1、交叉销售：指根据顾客的兴趣推荐或显示相关商品以增加销售机会。
2、提升销售：指尝试向曾经购买的顾客销售价格更高的商品。
3、数据挖掘：是在大型数据存储库中，自动地发现有用信息的过程。
4、数据挖掘技术：用来探查大型数据库，发现先前未知的有用模式。
5、数据预处理：将未加工的输入数据转换成适合分析的形式。
6、关联分析：用来发现描述数据中强关联特征的模式。
7、聚类分析：用来发现紧密相关的观测值组群，使得与属于不同簇的观测值相比，属于同一簇的观测值相互之间尽可能类似。
三、简答题
1、简述数据库中知识发现的过程。
数据库中知识发现的过程是将未加工的数据转换为有用信息的整个过程，如下图所示。
该过程包括一系列转换步骤，从数据的预处理到数据挖掘结果的后处理。
2、数据挖掘算法要解决的问题
（1）算法的可伸缩性
（2）高维性
（3）异种数据和复杂数据
（4）数据的所有权与分布
（5）非传统的分析
3、分布式数据挖掘算法面临的主要挑战包括:
(1)如何降低执行分布式计算所需的通信量
(2)如何有效地统一从多个资源得到的数据挖掘结果
(3)如何处理数据安全性问题
4、数据挖掘任务分为哪两类
数据挖掘任务分为下面两大类：
（1）预测任务。
其目标是根据其他属性的值，预测特定属性的值。
（2）描述任务。
其目标是导出概括数据中潜在联系的模式(相关、趋势、聚类、轨迹和异常)。
5、预测建模任务有哪两类它们的区别是什么
预测建模任务分为分类和回归两类。
它们的区别在于分类用于预测离散的目标变量;而回归用于预测连续的目标变量。