数据挖掘原理与实践-蒋盛益-答案Word格式.docx
- 文档编号:13014033
- 上传时间:2022-10-02
- 格式:DOCX
- 页数:32
- 大小:57.29KB
数据挖掘原理与实践-蒋盛益-答案Word格式.docx
《数据挖掘原理与实践-蒋盛益-答案Word格式.docx》由会员分享,可在线阅读,更多相关《数据挖掘原理与实践-蒋盛益-答案Word格式.docx(32页珍藏版)》请在冰豆网上搜索。
务网站的建立,企业纷纷地从“产品导向”转向“客户导向”,如何在保持现有的客户
同时吸引更多的客户、如何在客户群中发现潜在价值,一直都是电子商务企业重要任务。
但是,传统的数据分析处理,如数据查询处理或简单的统计分析,只能在数据库中进行
一些简单的数据查询和更新以及一些简单的数据计算操作,却无法从现有的大量数据中
挖掘潜在的价值。
而数据挖掘技术却能使用如聚类、关联分析、决策树和神经网络等多
种方法,对数据库中庞大的数据进行挖掘分析,然后可以进行客户细分而提供个性化服
务、可以利用挖掘到的历史流失客户的特征来防止客户流失、可以进行产品捆绑推荐等,
从而使电子商务更好地进行客户关系管理,提高客户的忠诚度和满意度。
1.3假定你是Big-University的软件工程师,任务是设计一个数据挖掘系统,分析学校课程
数据库。
该数据库包括如下信息:
每个学生的姓名、地址和状态(例如,本科生或研究生)、
所修课程,以及他们的GPA。
描述你要选取的结构,该结构的每个成分的作用是什么?
任务目的是分析课程数据库,那么首先需要有包含信息的关系型数据库系统,以便查找、
提取每个属性的值;
在取得数据后,需要有特征选择模块,通过特征选择,找出要分析
的属性;
接下来需要一个数据挖掘算法,或者数据挖掘软件,它应该包含像分类、聚类、
关联分析这样的分析模块,对选择出来的特征值进行分析处理;
在得到结果后,可以用
可视化软件进行显示。
1.4假定你作为一个数据挖掘顾问,受雇于一家因特网搜索引擎公司。
通过特定的例子说明,
数据挖掘可以为公司提供哪些帮助,如何使用聚类、分类、关联规则挖掘和离群点检测
等技术为企业服务。
(1)使用聚类发现互联网中的不同群体,用于网络社区发现;
第2页共27页
(2)使用分类对客户进行等级划分,从而实施不同的服务;
(3)使用关联规则发现大型数据集中间存在的关系,用于推荐搜索。
如大部分搜索了“广
外”的人都会继续搜索“信息学院”,那么在搜索“广外”后会提示是否进进一步搜
索“信息学院”。
(4)使用离群点挖掘发现与大部分对象不同的对象,用于分析针对网络的秘密收集信息
的攻击。
1.5定义下列数据挖掘功能:
关联、分类、聚类、演变分析、离群点检测。
使用你熟悉的生
活中的数据,给出每种数据挖掘功能的例子。
关联是指发现样本间或样本不同属性间的关联。
例如,一个数据挖掘系统可能发现
的关联规则为:
major(X,“computingscience”)⇒owns(X,“personalcomputer”)
[support=12%,confidence=98%]其中,X是一个表示学生的变量。
该规则指出主修计
算机科学并且拥有一台个人计算机的学生所占比例为12%,同时,主修计算机专业的学
生有98%拥有个人计算机。
分类是构造一系列能描述和区分数据类型或概念的模型(或功能),分类被用作预测
目标数据的类的标签。
例如,通过对过去银行客户流失与未流失客户数据的分析,得到
一个预测模型,预测新客户是否可能会流失。
聚类是将数据划分为相似对象组的过程,使得同一组中对象相似度最大而不同组中
对象相似度最小。
例如,通过对某大型超市客户购物数据进行聚类,将客户聚类细分为
低值客户、高值客户以及普通客户等。
数据演变分析描述和模型化随时间变化的对象的规律或趋势,尽管这可能包括时间
相关数据的特征化、区分、关联和相关分析、分类、或预测,这种分析的明确特征包括
时间序列数据分析、序列或周期模式匹配、和基于相似性的数据分析。
离群点检测就是发现与众不同的数据。
可用于发现金融领域的欺诈检测。
1.6根据你的观察,描述一个可能的知识类型,它需要由数据挖掘方法发现,但本章未列出。
它需要一种不同于本章列举的数据挖掘技术吗?
建立一个局部的周期性作为一种新的知识类型,只要经过一段时间的偏移量在时间序列
中重复发生,那么在这个知识类型中的模式是局部周期性的。
需要一种新的数据挖掘技
术解决这类问题。
1.7讨论下列每项活动是否是数据挖掘任务:
(1)根据性别划分公司的顾客。
(2)根据可赢利性划分公司的顾客。
(3)计算公司的总销售额。
(4)按学生的标识号对学生数据库排序。
(5)预测掷一对骰子的结果。
(6)使用历史记录预测某公司未来的股票价格。
(7)监视病人心率的异常变化。
(8)监视地震活动的地震波。
(9)提取声波的频率。
(1)不是,这属于简单的数据库查询。
(2)不是,这个简单的会计计算;
但是新客户的利润预测则属于数据挖掘任务。
(3)不是,还是简单的会计计算。
第3页共27页
(4)不是,这是简单的数据库查询。
(5)不是,由于每一面都是同等概率,则属于概率计算;
如概率是不同等的,根据历
史数据预测结果则更类似于数据挖掘任务。
(6)是,需要建立模型来预测股票价格,属于数据挖掘领域中的预测模型。
可以使用
回归来建模,或使用时间序列分析。
(7)是,需要建立正常心率行为模型,并预警非正常心率行为。
这属于数据挖掘领域
的异常检测。
若有正常和非正常心率行为样本,则可以看作一个分类问题。
(8)是,需要建立与地震活动相关的不同波形的模型,并预警波形活动。
属于数据挖
掘领域的分类。
(9)不是,属于信号处理。
第2章数据处理基础
2.1将下列属性分类成二元的、分类的或连续的,并将它们分类成定性的(标称的或序数的)
或定量的(区间的或比率的)。
例子:
年龄。
回答:
分类的、定量的、比率的。
(a)用AM和PM表示的时间。
(b)根据曝光表测出的亮度。
(c)根据人的判断测出的亮度。
(d)医院中的病人数。
(e)书的ISBN号。
(f)用每立方厘米表示的物质密度。
(a)二元,定量,比率;
(b)连续,定量,比率;
(c)分类,定性,标称;
(d)连续,定量,比率;
(e)分类,定性,标称;
(f)连续,定量,比率。
2.2你能想象一种情况,标识号对于预测是有用的吗?
学生的ID号可以预测该学生的毕业日期。
2.3在现实世界的数据中,元组在某些属性上缺失值是常有的。
请描述处理该问题的各种方
法。
处理遗漏值问题的策略有如下几种。
(1)删除数据对象或属性。
一种简单而有效的策略是删除具有遗漏值的数据对象。
然而,
即使部分给定的数据对象也包含一些信息,并且,如果许多对象都有遗漏值,则很
难甚至不可能进行可靠的分析。
尽管如此,如果一个数据集只有少量的对象具有遗
漏值,则忽略他们可能是合算的。
一种相关的策略是删除具有遗漏值的属性。
做这件事要小心,因为被删除的属性可能对分析是至关重要的。
(2)估计遗漏值。
有时,遗漏值可以可靠地估计。
例如,在考虑以较平滑的方式变化的
具有少量但大大分散的遗漏值的时间序列,遗漏值可以使用其他值来估计(插值)。
作为另一个例子,考虑一个具有许多相似数据点的数据集。
在这种情况下,与具有
遗漏值的点邻近的点的属性值常常可以用来估计遗漏的值。
如果属性是连续的,则
可以使用最近邻的平均属性值;
如果属性是分类的,则可以取最近邻中最常出现的
第4页共27页
属性值。
(3)在分析时忽略遗漏值。
许多数据挖掘方法都可以修改,忽略遗漏值。
例如。
假定正
在对数据对象聚类,需要计算数据对象间的相似性;
如果对于某属性,两个对象之
一或两个对象都有遗漏值,则可以仅使用没有遗漏值的属性来计算相似性。
当然,
这种相似性只是紧邻的,但是除非整个属性数目很少,或者遗漏值的数量很大,否
则这种误差影响不大。
同样的,许多分类方法都可以修改,处理遗漏值。
2.4以下规范方法的值域是什么?
(a)min-max规范化。
(b)z-score规范化。
(c)小数定标规范化。
(a)[new_min,new_max];
(b)(-∞,+∞);
(c)(-1.0,1.0)。
2.5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):
13,15,16,16,19,20,20,21,22,22,25,25,25,25,30,33,33,33,35,35,35,35,36,40,45,46,52,70。
(a)使用按箱平均值平滑对以上数据进行平滑,箱的深度为3。
解释你的步骤。
评论对
于给定的数据,该技术的效果。
(b)对于数据平滑,还有哪些其它方法?
(a)已知数据元组中age的值如下(按递增序):
13,15,16,16,19,20,20,21,22,22,25,25,25,25,30,33,33,33,35,35,35,35,36,40,45,46,52,70,
且箱的深度为3,划分为(等频)箱:
箱1:
13,15,16
箱2:
16,19,20
箱3:
20,21,22
箱4:
22,25,25
箱5:
25,25,30
箱6:
33,33,33
箱7:
35,35,35
箱8:
35,36,40
箱9:
45,46,52
箱10:
70
用箱均值光滑:
15,15,15
18,18,18
21,21,21
24,24,24
27,27,37
37,37,37
48,48,48
70;
第5页共27页
(b)对于数据平滑,其它方法有:
(1)回归:
可以用一个函数(如回归函数)拟合数据来光滑数据;
(2)聚类:
可以通过聚类检测离群点,将类似的值组织成群或簇。
直观地,落在簇集合
之外的值视为离群点。
2.6使用习题2.5给出的age数据,回答以下问题:
(a)使用min-max规范化,将age值35转换到[0.0,1.0]区间。
(b)使用z-score规范化转换age值35,其中,age的标准偏差为12.94年。
(c)使用小数定标规范化转换age值35。
(d)指出对于给定的数据,你愿意使用哪种方法。
陈述你的理由。
(a)已知最大值为70,最小值为13,则可将35规范化为:
386
.0
13-70
13-35
=;
(b)已知均
- 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 原理 实践 蒋盛益 答案
![提示](https://static.bdocx.com/images/bang_tan.gif)