数据挖掘复习题和答案.docx
- 文档编号:10755337
- 上传时间:2023-02-22
- 格式:DOCX
- 页数:18
- 大小:1.14MB
数据挖掘复习题和答案.docx
《数据挖掘复习题和答案.docx》由会员分享,可在线阅读,更多相关《数据挖掘复习题和答案.docx(18页珍藏版)》请在冰豆网上搜索。
数据挖掘复习题和答案
一、考虑表中二元分类问题的训练样本集
1.整个训练样本集关于类属性的熵是多少?
2.关于这些训练集中a1,a2的信息增益是多少?
3.对于连续属性a3,计算所有可能的划分的信息增益。
4.根据信息增益,a1,a2,a3哪个是最佳划分?
5.根据分类错误率,a1,a2哪具最佳?
6.根据gini指标,a1,a2哪个最佳?
答1.
P(+)=4/9andP(−)=5/9
−4/9log2(4/9)−5/9log2(5/9)=0.9911.
答2:
(估计不考)
答3:
答4:
Accordingtoinformationgain,a1producesthebestsplit.
答5:
Forattributea1:
errorrate=2/9.
Forattributea2:
errorrate=4/9.
Therefore,accordingtoerrorrate,a1producesthebestsplit.
答6:
二、考虑如下二元分类问题的数据集
1.计算a.b信息增益,决策树归纳算法会选用哪个属性
2.计算a.bgini指标,决策树归纳会用哪个属性?
这个答案没问题
3.从图4-13可以看出熵和gini指标在[0,0.5]都是单调递增,而[0.5,1]之间单调递减。
有没有可能信息增益和gini指标增益支持不同的属性?
解释你的理由
Yes,eventhoughthesemeasureshavesimilarrangeandmonotonous
behavior,theirrespectivegains,Δ,whicharescaleddifferencesofthe
measures,donotnecessarilybehaveinthesameway,asillustratedby
theresultsinparts(a)and(b).
贝叶斯分类
1.P(A=1|−)=2/5=0.4,P(B=1|−)=2/5=0.4,
P(C=1|−)=1,P(A=0|−)=3/5=0.6,
P(B=0|−)=3/5=0.6,P(C=0|−)=0;P(A=1|+)=3/5=0.6,
P(B=1|+)=1/5=0.2,P(C=1|+)=2/5=0.4,
P(A=0|+)=2/5=0.4,P(B=0|+)=4/5=0.8,
P(C=0|+)=3/5=0.6.
2.
3.P(A=0|+)=(2+2)/(5+4)=4/9,
P(A=0|−)=(3+2)/(5+4)=5/9,
P(B=1|+)=(1+2)/(5+4)=3/9,
P(B=1|−)=(2+2)/(5+4)=4/9,
P(C=0|+)=(3+2)/(5+4)=5/9,
P(C=0|−)=(0+2)/(5+4)=2/9.
4.LetP(A=0,B=1,C=0)=K
5.当的条件概率之一是零,则估计为使用m-估计概率的方法的条件概率是更好的,因为我们不希望整个表达式变为零。
1.P(A=1|+)=0.6,P(B=1|+)=0.4,P(C=1|+)=0.8,P(A=
1|−)=0.4,P(B=1|−)=0.4,andP(C=1|−)=0.2
2.
LetR:
(A=1,B=1,C=1)bethetestrecord.Todetermineits
class,weneedtocomputeP(+|R)andP(−|R).UsingBayestheorem,P(+|R)=P(R|+)P(+)/P(R)andP(−|R)=P(R|−)P(−)/P(R).
SinceP(+)=P(−)=0.5andP(R)isconstant,Rcanbeclassifiedby
comparingP(+|R)andP(−|R).
Forthisquestion,
P(R|+)=P(A=1|+)×P(B=1|+)×P(C=1|+)=0.192
P(R|−)=P(A=1|−)×P(B=1|−)×P(C=1|−)=0.032
SinceP(R|+)islarger,therecordisassignedto(+)class.
3.
P(A=1)=0.5,P(B=1)=0.4andP(A=1,B=1)=P(A)×
P(B)=0.2.Therefore,AandBareindependent.
4.
P(A=1)=0.5,P(B=0)=0.6,andP(A=1,B=0)=P(A=1)×P(B=0)=0.3.AandBarestillindependent.
5.
CompareP(A=1,B=1|+)=0.2againstP(A=1|+)=0.6and
P(B=1|Class=+)=0.4.SincetheproductbetweenP(A=1|+)
andP(A=1|−)arenotthesameasP(A=1,B=1|+),AandBare
notconditionallyindependentgiventheclass.
三、使用下表中的相似度矩阵进行单链和全链层次聚类。
绘制树状况显示结果,树状图应该清楚地显示合并的次序。
Therearenoapparentrelationshipsbetweens1,s2,c1,andc2.
A2:
Percentageoffrequentitemsets=16/32=50.0%(includingthenull
set).
A4:
FalsealarmrateistheratioofItothetotalnumberofitemsets.Since
thecountofI=5,thereforethefalsealarmrateis5/32=15.6%.
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 数据 挖掘 复习题 答案