2015數(shù)據(jù)挖掘技術試卷a卷-參考答案

1、12014~2015學年學年第二學期期末考試第二學期期末考試數(shù)據(jù)挖掘技術數(shù)據(jù)挖掘技術試卷（試卷（A卷）參考答案卷）參考答案使用班級使用班級1250411121314答題時間答題時間_120分鐘分鐘_一、填空題一、填空題（共（共10空每空每空1分，分，共10分）分）1.數(shù)據(jù)挖掘的任務：分類、聚類、回歸、關聯(lián)分析、離群點監(jiān)測、演化分析、序列模式。2.數(shù)據(jù)集的三個重要特性：_維度、稀疏性、分辨率。二、判斷題二、判斷題（共（共10小題小題每小題

2、每小題1分，共10分）分）判斷下列判斷下列3～7小題的描述是否正確？小題的描述是否正確？3.ID3算法不僅可以處理離散屬性，還可以處理連續(xù)屬性。（F）4.決策樹方法通常用于關聯(lián)規(guī)則挖掘。（F）5.先驗原理可以表述為，一個頻繁項集的任一子集也應該是頻繁的。（T）6.Clementine是IBM公司的專業(yè)級數(shù)據(jù)挖掘軟件。（T）7.具有較高的支持度的項集具有較高的置信度。（F）判斷下列判斷下列8～12小題的描述是否屬于數(shù)據(jù)挖掘任務？小題的描述

3、是否屬于數(shù)據(jù)挖掘任務？8.利用歷史數(shù)據(jù)預測公司將來的股價。（T）9.監(jiān)測病人心率的異常變化。(F)10.監(jiān)測地震活動的地震波。(F)11.提取聲波的頻率。(F)12.根據(jù)顧客喜好擺放商品位置。（T）三、簡答題（三、簡答題（6個小題，每小題個小題，每小題5分，共分，共30分）分）13.什么是信息熵？答：信息熵(entropy)是用來度量一個屬性的信息量（1分）。假定S為訓練集，S的目標屬性C具有m個可能的類標號值，C=C1C2…Cm，假定

4、訓練集S中，Ci在所有樣本中出現(xiàn)的頻率為(i=123…m)，則該訓練集S所包含的信息熵定義為：（3分）熵越小表示樣本對目標屬性的分布越純，反之熵越大表示樣本對目標屬性分布越混亂。（1分）14什么是文本挖掘？答：文本挖掘是一個對具有豐富語義的文本進行分析，從而理解其所包含的內容和意義的過程。（2分）對其進行深入的研究可以極大地提高人們從海量文本數(shù)據(jù)中提取信息的能力，具有很高的商業(yè)價值。（1分）包括分詞、文本表示、文本特征選擇、文本分類、文

5、本聚類、文檔自動摘要等內容。（2分）15.什么是主成份分析？答：主成份分析（PCA）是一種用于連續(xù)屬性的線性變換技術，找出新的屬性（主成份），（1分）這些新屬性是原屬性的線性組合，（1分）是相互正交的，（1分）使得原來數(shù)據(jù)投影到較小的集合中，并且捕獲數(shù)據(jù)的最大變差。（1分）PCA通常揭示先前未曾覺察的聯(lián)系，解釋不尋常的結果。（1分）16.簡述k最近鄰算法過程。答：KNN分類算法的基本描述如下:算法名：KNN輸入：最近鄰數(shù)目K，訓練集D，

6、測試集Z（1分）輸出：對測試集Z中所有測試樣本預測其類標號值（1分）(1)f每個測試樣本（1分）do(2)計算z和每個訓練樣本之間的距離（1分）(3)選擇離z最近的k最近鄰集合（1分）(4)返回中樣本的多數(shù)類的類標號（1分）(5)endf17.簡述Aprii算法原理。答：Aprii性質：一個項集是頻繁的，那么它的所有子集都是頻繁的。（1分）一個項集的支持度不會超過其任何子集的支持度。（1分）該算法采用逐層的方法找出頻繁項集，（1分）首先

7、找出1頻繁項集，通過迭代方法利用頻繁k1項集生成k候選項集，（1分）掃描數(shù)據(jù)庫后從候選k項集中指出頻繁k項集，直到生成的候選項集為空。（1分）18.什么是離群點？答：離群點是在數(shù)據(jù)集中偏離大部分數(shù)據(jù)的數(shù)據(jù)，（2分）使人懷疑這些數(shù)據(jù)的偏離并非由隨機因素產生，（1分）而是產生于完全不同的機制。（2分）四、計算題四、計算題（共（共2題每小題每小題20分，共40分）分）1221()(...)logmmiiiEntropySEntropypppp

8、p?????()zxyZ??()xyD?zDD?()dxxzD3根據(jù)Bayes定理，P(Y=y|X)=P(X|Y=y)P(Y=y)=P(x1|Y=y)P(x2|Y=y)P(x3|Y=y)P(x4|Y=y)P(Y=y)（2分）這里，P(x1|Y=y)=P(x1=下雨|Y=y)=36（1分）P(x2|Y=y)=P(x2=高|Y=y)=16（1分）P(x3|Y=y)=P(x3=中等|Y=y)=46（1分）P(x4|Y=y)=P(x4=微風|Y

9、=y)=56（1分）P(Y=y)=610（1分）因此，P(Y=y|X)=36164656610=136（1分）同理，計算P(Y=n|X)=P(X|Y=n)P(Y=n)=P(x1|Y=n)P(x2|Y=n)P(x3|Y=n)P(x4|Y=n)P(Y=n)（1分）其中，P(x1|Y=n)=P(x1=下雨|Y=n)=14（1分）P(x2|Y=n)=P(x2=高|Y=n)=24（1分）P(x3|Y=n)=P(x3=中等|Y=n)=14（1分）P

10、(x4|Y=n)=P(x4=微風|Y=n)=24（1分）P(Y=n)=410（1分）因此，P(Y=n|X)=14241424410=1160（1分）因為P(Y=y|X)P(Y=n|X)，故氣候狀況為雨天，高溫，濕度中等，微風時，戶外運動應為適合。（2分）五、應用題五、應用題（共（共1題，共題，共10分）分）21.你作為銀行信息中心工作人員，請闡述數(shù)據(jù)挖掘技術在銀行業(yè)務中的應用，并寫出相關的數(shù)據(jù)分析流程。參考答案：利用數(shù)據(jù)預處理技術進行數(shù)