数据挖掘作业

作业作为平时成绩（占20%）的衡量标准：一共有24道题，希望大家认真做，不收打印版！

1.什么是数据挖掘？在你的回答中，针对以下问题：

(a）它又是一种广告宣传吗？

(b)它是一种从数据库、统计学和机器学习发展的技术的简单转换吗？

(c) 解释数据库技术发展如何导致数据挖掘。

(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。

2.数据仓库和数据库有何不同？有哪些相似之处？

3.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。

4.定义下列数据挖掘功能：特征化，区分、关联和相关分析、分类、预测、聚类和演变分析。

5.区分和分类的差别是什么？特征化和聚类的差别是什么？分类和预测呢？对于每一对任务，它们有何相似之处。

6.解释为什么概念分层在数据挖掘中是有用的。

7.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、半紧密耦合和紧密耦合。你认为哪种方法最流行，为什么？

8.试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。

9.与挖掘少量数据相比，挖掘海量数据的主要挑战是什么？

10.数据的质量可以用精确性、完整性和一致性来评估。提出数据质量的两种其他尺度。

11.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：

年龄频率年龄频率

1～5 200 5～15 450

15～20 300 20～50 1500

50～80 700 80～110 44

计算数据的近似中位数值。

12.假定用于分析的数据包含属性age。数据元组的age值以递增序为：

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。

(c) 数据的中列数是什么？

(d)找出数据的第一个四分位数（Q1）和第三个四分位数（Q3）。

(e）给出数据的五数概括。

13. 假设12个销售价格记录组已经排序如下：

5,10,11,13,15,35,50,55,72,92,204,215

使用如下每种方法将它们划分为三个箱。

(a）等频划分

(b) 等宽划分

(c)聚类划分

14.简述比较以下概念，可以用例子解释你的观点。

(a）雪花形模式、事实星座形、星形网查询模型

(b) 数据清理、数据变换、刷新

(c) 企业数据仓库、数据集市、虚拟仓库

15.假定数据仓库包含三维：time ，doctor 和patient ；和两个度量：count 和charge ；其中，charge 是医生对病人一次诊治的收费。 (a ）列举三种流行的数据仓库建模模式。

(b) 使用（a ）列举的模式之一，画出上面的数据仓库模式图。

(c) 由基本方体[day ,doctor,patient]开始，为列出2004年每位医生的收费总数，应当执行哪些OLAP 操作？

（d ）为得到同样的结果，写一个SQL 查询。假定数据存放的模式为 Fee(day,month,year,doctor,hospital,patient,count,charge)

16. 3种主要的数据仓库应用：信息处理、分析处理和数据挖掘的区别是什么？讨论OLAP 挖掘的动机。

17.假定10维基本方体只包含3个基本单元：（1）（a1,d2,d3,d4,…,d9,d10）,

(2)(d1,b2,d3,d4,…d9,d10)和(3) (d1,d2,c3,d4,…,d9,d10)，其中a1≠d1,b2≠d2并且c3≠d3.该立方体度量是count.

(a ）完全数据立方体中包含多少个非空方体？ (b) 完全数据立方体中包含多少个非空聚集单元？ (c) 如果冰山立方体的条件是“coun t ≥2”，冰山立方体包含多少个非空聚集单元？

18.设模糊集543217.09.08.06.01.0x x x x x A ++++=

,模糊集B=5

43211

.02.05.07.09.0x x x x x ++++,求B A ⋃,B A ⋂,A 及B 。

19.“年老”集O 与“年青”集Y 的隶属函数图像如图（1）所示，试求出模糊

集O 与模糊集Y

的交集、并集，并用隶属函数的形式表示其交、并集。

20.已知如下模糊关系⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=2.04.03.015.01.0R ，S=⎥⎥

⎥⎦

⎤

⎢⎢⎢⎣⎡4.001.01.04.03.0,其中λ=0.3，τ=0.5，求对其模糊关系施行如下运算的值：

S R ⋃，τλR R S R ,,⋂。若有⎥⎥

⎥⎥⎦

⎤

⎢

⎢⎢

⎢⎣⎡=9.08

.01.02.006.04.05

.014.07

.03.0R ，S=⎥⎥⎥⎦

⎤

⎢⎢⎢⎣⎡6.001.03.07.05.0，求S R 的值。

21.设有5个环境单元，每个环境的污染数据按空气、水分、土壤、作物排序如下：1x (5,5,3,2) ,

2x (2,3,4,5) , 3x (5,5,3,2) ,

4x (1,5,3,1) , 5x (2,4,5,1)，请选择合适的聚类方法对其分析，并以其聚类方法得出相应分类结果，并说明选择此方法进行聚类的原因。

22、令论域U={1x ,2x ,3x ,4x ,5x },模糊集5

43213

.02.017.09.0x x x x x A +

+++=

, 求9.05.03.0,,A A A 和)(A Card 。

23、设身高的论域为U={140,150,160,170,180},单位为厘米，设体重的论域为

{40,50,60,70,80},单位为千克，那么常规表示人的身高与体重之间的模糊关系怎样建立？其模糊关系相应的模糊矩阵是？

24、给定论域U={1x ,2x ,3x ,4x ,5x }，假设对象间的模糊相似关系为

⎥⎥⎥

⎥⎥

⎥⎦

⎤

⎢⎢⎢⎢⎢⎢⎣⎡=16.05.04.05

.06.015.04.05.05.05.014.08

.04.04.04.014.05.05.08.04.01R ，请根据如下图所示的λ的值对论域U 进行相应的分类。