数据挖掘课后题答案(2)

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 4：24，24，24 箱

箱 7：35，35，35

5：80/3，80/3，80/3 箱

6：101/3，101/3 ，101/3 箱

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。这些可能的离群点能被用人工 轻松的检验，而不必检查整个数据集。

(c) 对于数据光滑，还有哪些其他方法？

其它可用来数据光滑的方法包括别的分箱光滑方法，如中位数光滑和箱边界 光滑。作为选择，等宽箱可被用来执行任何分箱方式，其中每个箱中的数据范围 均是常量。除了分箱方法外，可以使用回归技术拟合成函数来光滑数据，如通过 线性或多线性回归。分类技术也能被用来对概念分层，这是通过将低级概念上卷 到高级概念来光滑数据。

2.4 2.10 如下规范化方法的值域是什么？ (a) min-max 规范化。 (b) z-score 规范化。 (c) 小数定标规范化。 解答：

(a) min-max 规范化。 值域是[new_min, new_max]。 (b) z-score 规范化。

值域是[(old _min －mean)/ σ，(old_max －mean)/σ]，总的来说，对于所有可能 的数据集的值域是(－∞，+∞)。

(c) 小数定标规范化。 值域是(－1.0,1.0)。

2.5 2.12 使用习题 2.4 给出的 age 数据，回答以下问题：

(a) 使用 min-max 规范化将 age 值 35 变换到[0.0，1.0]区间。

(b) 使用 z-score 规范化变换 age 值 35，其中 age 的标准差为 12.94 岁。

(c) 使用小数定标规范化变换 age 值 35。

(d) 对于给定的数据，你愿意使用哪种方法？陈述你的理由。

解答：

(a) 使用 min-max 规范化将 age 值 35 变换到[0.0，1.0]区间。

∵ min A=13，maxA=70，new _min A=0.0，new _maxA=1.0，而 v=35，

v min A

v' new _ min A new _ min A new _ maxA

max A min A

35 13

1.0 0.0 0.0 0.3860

70 13

(b) 使用 z-score 规范化变换 age 值 35，其中 age 的标准差为 12.94 岁。

13 15 2 16 19 2 20 21 2 22 4 25

27

30 2 33 4 35 36 40 45 46 52 70 27

809 29 .963 27

Ai A 2 2 i 1 ， 161.2949 σ σ A A 12.7002 A N

N

A Ai

2 i 1 167 .4986 ， sA s 2 或 s A A 12.9421

N

N

v=35

v σ '

v σ A 35 29.963 5.037

0.3966 0.400

12.7002 12.7002

v 35 29.963 5.037

0.3892 0.39 或 v s '

sA 12.9421 12.9421

(c) 使用小数定标规范化变换 age 值 35。

v

35由于最大的绝对值为 70，所以 j=2 。 v' 0.35 10 j 10 2

(d) 对于给定的数据，你愿意使用哪种方法？陈述你的理由。

略。

2.6 2.14 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其划分成三个箱。

(a) 等频（等深）划分。 (b) 等宽划分。 (c) 聚类。 解答：

(a) 等频（等深）划分。

(b) 等宽划分。

72,91,204,215

每个区间的宽度是：(215-5)/3=70

(c) 聚类。

我们可以使用一种简单的聚类技术：用 2 个最大的间隙将数据分成 3 个箱。

2.7 2.15 使用习题 2.4 给出的 age 数据， (a) 画出一个等宽为 10 的等宽直方图；

(b) 为如下每种抽样技术勾画例子：SRSWOR，SRSWR ，聚类抽样，分层 抽样。使用大小为 5 的样本和层“青年”，“中年”和“老年”。

解答：

(a) 画出一个等宽为 10 的等宽直方图；

87654

3210

(b) 为如下每种抽样技术勾画例子：SRSWOR，SRSWR ，聚类抽样，分层 抽样。使用大小为 5 的样本和层“青年”，“中年”和“老年”。

元组：

SRSWOR 和 SRSWR但前者因无放回 所以不能有相同的元组。

聚类抽样：设起始聚类共有 6 类，可抽其中的 m 类。

Sample2

Sample5

2.8 55555555555555555555555555

第 3 章 数据仓库与 OLAP 技术概述

3.1 3.4 假定 BigUniversity 的数据仓库包含如下 4 个维：student(student_name, area_id , major, status, university) ， course(course_name, department) ， semester(semester, year) 和 instructor(dept, rank)；2 个度量：count 和 avg_grade。 在最低概念层， 度量 avg_grade 存放学生的实际 课程成绩。在较高概念层， avg_grade 存放给定组合的平均成绩。

(a) 为该数据仓库画出雪花形模式图。

(b) 由 基 本 方 体 [student, course, semester, instructor] 开 始 ， 为 列 出

BigUniversity 每个学生的 CS 课程的平均成绩，应当使用哪些特殊 的 OLAP 操作。

(c) 如果每维有 5 层（包括 all），如“student<major<status<university<all ”，

该立方体包含多少方体？ 解答：

a) 为该数据仓库画出雪花形模式图。雪花模式如图所示。

b) 由 基 本 方 体 [student, course, semester, instructor] 开 始 ， 为 列 出

BigUniversity 每个学生的 CS 课程的平均成绩，应当使用哪些特殊的 OLAP 操作。

这些特殊的联机分析处理（OLAP ）操作有：

i. ii. iii. iv.

沿课程（course）维从 course_id “上卷”到 department。 沿学生（student）维从 student_id “上卷”到 university 。 取 department= “CS ”和 university= “Big University ”，沿课程 （course）维和学生（student）维切片。

沿学生（student）维从 university 下钻到 student_name。

c) 如果每维有 5 层（包括 all），如“student<major<status<university<all ”，

该立方体包含多少方体？

这个立方体将包含 54=625 个方体。

course univ student 维表 事实表 维表

题 3.4 图 题 3.4 中数据仓库的雪花形模式

3.2 2222222

3.3 3333333

第 4 章 数据立方体计算与数据泛化

4.1 2008-11-29

4.2 有几种典型的立方体计算方法，

4.3 题 4.12 考虑下面的多特征立方体查询：按{item ，regio n，month} 的所有 子集分组，对每组找出 2004 年的最小货架寿命，并对价格低于 100 美元、货架 寿命在最小货架寿命的 1.2 …… 此处隐藏：2918字，全部文档内容请下载后查看。喜欢就下载吧 ……