原《数据挖掘》习题docWord下载.docx
- 文档编号:20470450
- 上传时间:2023-01-23
- 格式:DOCX
- 页数:17
- 大小:26.04KB
原《数据挖掘》习题docWord下载.docx
《原《数据挖掘》习题docWord下载.docx》由会员分享,可在线阅读,更多相关《原《数据挖掘》习题docWord下载.docx(17页珍藏版)》请在冰豆网上搜索。
T400
99/10/22
{B,A,D}
a)使用Apriori算法找出最大得频繁项集
b)列出所有强关联规则(带支持度s和置信度c)
11.(参P229)
假定希望分析爱喝咖啡和爱喝茶得人之间得关系。
收集一组
人关于饮料偏爱的信息,汇总如下:
咖啡
不喝咖
啡
汇总
茶
150
50
200
不喝茶
650
800
1000
若支持度和置信度阈值分别为10%,50%,评估关联规则
{茶}——>
{咖啡}。
(负相关)
12.(ch5,参P224)
有如下事务数据集。
试挖掘频繁项集。
(最小支持度为2)
项
1
(a,b}
2
(bed}
3
{acde}
4
(ade}
5
(abc}
6
(abed}
7
{a}
8
9
(abd}
10
(bee}
结果:
后缀
频繁项集
e
{e},(de},(ade},(ce},(ae}
d
{d},(cd},(bed},(acd},(bd},(abd},(ad}
c
{c},(be},{abc}(ac}
b
(b}(ab}
a
13.(ch5,参P256,17)
假定有一个购物篮数据集,包含100个事务和20个项。
如果项a的支持度为25%,项b得支持度为90%,且项集{ab}得支持度为20%o令最小支持度阈值和最小置信度阈值分别为10%和60%。
1)计算关联{a}——>
{b}的置信度。
根据置信度度量,这条规则是有趣的么?
(这条规则是否是强关联规则?
)(80%,是)
2){a}——>
{b}是否有趣?
(负相关,无趣)
11.求出下表的强关联规则(ch5)
ID
Pl
P2
P3
P4
bread
cheese
butter
water
milk
noodle
orange
meat
beer
fish
softdrink
frozenmeal
12、(ch6)
下表给出某门课程若干学生期中和期末考试成绩
期中725081749486598365338881
期末846377789075497977527490
绘数据图。
X和Y看上去具有线性联系吗?
13.(ch6)
下表是对是否购买计算机的调查表,请根据ID3算法画出
是否购买计算机的决策树。
计
数
年龄
收
入
学生
/\.、、人
信誉
归类:
买
计算
机?
64
青
高
否
良
不买
优
128
中
60
老
低
是
132
32
63
14.预测拖欠银行贷款的贷款者(参P94)
有房
婚姻状
况
年收入
拖欠贷
款
单身
125K
已婚
100K
70K
120K
离异
95K
60K
220K
85K
75K
90K
一客户信息如下:
X=(有房二否,婚姻状况二已婚,年收入
=120K)
用贝叶斯分类法,预测记录的拖欠贷款类别。
(否)
可能的分裂
点
65
0.82647
70
72.5
0.76355
75
80
0.68966
85
87.5
0.87549
90
92.5
0.84644
95
97.5
0.5
100
110
120
122.5
125
172.5
220
原数据集合修正为:
婚姻
状况
拖欠
贷款
125K(>
97.5)
100K(>
70K(<
=97.5)
120K(>
95K(v=97.5)
60K(<
220K(>
85K(<
75K(<
90K(<
P(是)=0.3p(否)=0.7
M是ix)=〃(xi是),(是)〃(否ix)顼xi否),(否)
P(x)P(X)
p(XI是)=p(有房=否|是)p(婚姻状况=已婚I是)p(年收入=1201是)=100%*0*0=0
〃01是)=〃(有房=否1否)〃(婚姻状况=已婚I否)p(年收入=1201否)=4/7*4/7*4/7=18.66%
所以,他可能不拖欠贷款
最佳分裂点:
15.(CH6,参P122)
考虑如下二元分类问题的训练样本:
顾客ID
性别
车型
衬衣尺
码
类
男
家用
小
C0
运动
CO
大
加大
co
女
豪华
11
Cl
12
13
14
15
16
17
18
19
20
1)计算整个训练样本集得GINI指标(0.5)
2)计算属性顾客ID的GINI指标(0)
3)计算属性性别的GINI指标(0.5)
4)那个属性更好?
性别、车型还是衬衣尺码?
(车型,因
为其GINI指标最低)
16.(CH6,参P122)
实例
标号
al
a2
a3
目标
T
+
F
—
-
1)整个训练样本集关于类属性得炳是多少?
(0.9911)
2)关于这些训练样本,al和a2的信息增益是多少?
(0.2294,
0.0072)
3)对于连续属性a3,计算所有可能的划分的信息增益
Q9
Classlabel
Splitpoint
Entropy
InfoGain
1.0
2.0
0.8484
0.1427
3.0
3.5
0.9885
0.0026
4.0
4.5
0.9183
0.0728
5.0
5.5
0.9839
0.0072
6.0
6.5
0.9728
0.0183
7.0
7.5
0.8889
0.1022
2.0是最佳分裂点。
4)根据信息增益,那个是最佳划分?
(在al,a2,a3中)(al)
5)WGINI指标,那个是最佳划分?
17.考虑如下二元分类问题得数据集(CH6,参P123)
A
B
类标号
1)计算按照属性A、B划分时得信息增益。
决策树归纳算法
将会选择那个属性?
(GA=0.2813.GB=0.2565A)
2)计算按照属性A、B划分时的GINI指标。
决策树归纳算
法将会选择那个属性?
(不纯度降低:
0.1371,0.1633,(B)
18.已知下表:
(CH6,参P124)
C
实例数
20
25
试建立一颗两层的决策树
19.(CH6,参,P139)贝叶斯分类
考虑两队之间的足球比赛:
对0和1.假设65%的比赛队0胜出,剩余得比赛队1获胜。
队0获胜得比赛中只有30%是在队1的主场,而对1取胜的比赛中75%是主场获胜。
如果下一场比赛在队1的主场进行,哪一支球队最有可能胜出呢?
(队1)
x:
东道主(0,1)y:
胜利者(0,1)
队0取胜得概率:
p(y=0)=0.65
队1取胜得概率:
p(y=l)=0.35
对1取胜的比赛中75%是主场获胜:
队1获胜时作为东道
主的概率:
p(x=lly=l)=0.75
队0获胜得比赛中只有30%是在队1的主场:
即队0取胜
时队1作为东道主得概率:
P(x=lly=0)=0.3
比较P(y=l|x=l)和P(y=Olx=l)
p(x=l|y=l)p(y=l)0.75x0.350.2625
p(y=11x=1)===
p(x=1)P(X=1)P(X=1)
/nIP(x=11J7=0)p(y=0)0.3x0.650.195
p(y=U11=1)===
p(x=1)p(x=1)p(x=1)
P(y=llx=l)>
P(y=0lx=l)所以,队1可能取胜。
20.(ch6,参P195,8)
考虑下列数据集:
1)估计条件概率P(A=1I+),P(B=1I+),P(C=1I+),P(A=1I-),
P(B=1I-),P(C=1I-)
(0.6,0.4,0.8,0.4,0.4,0.2)
2)根据1)中的条件概率,使用朴素贝叶斯分类方法预测测
试样本(A=1,B=1,C=1)得类标号。
(+)
3)比较P(A=1),P(B=1)和P(A=1,B=1),陈述AB之间的关系。
(独立)
14、(ch7)
假设数据集D含有9个数据对象(用2维空间的点表示):
Al(3,2),A2(3,9),A3(8,6),Bl(9,5),B2(2,4),B3(3,10),Cl(2,6),
C2(9,6),C3(2,2)
采用k-均值方法进行聚类,距离函数采用欧几里德距离,取
k=3,假设初始的三个簇质心为A1,B1,和Cl,求:
(1)第一次循环结束时的三个簇的质心。
(2)最后求得的三个簇。
A2A3
B2
B3
C2
C3
A1
V49
V41
V5
V64V52VI
ClV10V36V4V17V49V16
第一次循环结束时:
(A1,C3)质心为(2.5,2)或(3,2)(B1,A3,C2),质心为:
(8.7,5.7)或(9,6)
(C1,A2,B2,B3),质心为:
(2.7,8.3)或
(3,8)
平方误差E=28
第二次循环
A2
A3
B1
C1
3,2
V45
V
V64
V17
V52
9,6
52
53
"
49
V65
3,7
V25
V26
V40
V9
V2
V37
2510
第二次循环结束时:
(A1,B2,C3)质心为(2.3,2.7)或(2,3)
(A3,B1,C2),质心为:
(A2,B3,C1),质心为:
(2.5,7.25)或
(3,7)
平方误差E=21
第三次循环
AlA2A3BlB2B3ClC2C3
2,3
V53
V50
V58
V65
25
V4
37
第三次循环结束时:
(A1,B2,C3)质心为(2.3,2.7)或(2,3)不变
(A3,B1,C2),质心为:
(8.7,5.7)或(9,6)不变
(3,7)不变
平方误差E=21不变
15.(ch7)
已知四个点的坐标如下:
占八、、
X坐标
Y坐标
P1
其欧几里德距离矩阵:
2.8
3.2
1.4
5.1
试进行单链、全链聚类,并画出树形图。
答案:
单链:
P2,p3
P2,p3,p4
P2,p3P2,P3,P4p2,p2,p4,pl
全链:
第一步同单链
P45.13.20
或:
P2,p3P2,P3,P1p2,p2,pl,p4
16.请将下列属性分类:
(ch7)
1)用AM和PM表示的时间(序数变量)
2)按度测出得。
和360之间的角度(区间标度变量)
3)奥运会上授予得铜牌、银牌和金牌(序数)
4)学生的性别(二元)
5)用如下值表示得透光能力:
不透明、半透明、透明(序数)
6)外套寄存号码(当你出席一个活动时,你常常可以将你的外套交给某个人,然后他给你一个号码,你可以在离开时来取)(名义)
17.计算下表表示的混淆矩阵得隔和纯度
族
娱乐
财经
国外
都市
国内
体育
合计
#1
676
693
#2
27
89
333
827
253
33
1562
#3
326
465
105
29
949
354
555
341
943
273
738
3204
iwmvVIBIVVIIIVVIVIIIIIWIIIHIVIbHVIVIVVb11
Cluster
Entertainment
Financial
Foreign
Metro
National
Sports
Total
Purity
0.20
0.98
82?
1.M
0.53
W
1.70
0.49
物
搠
144
0.61
18.已知四个点的相异度矩阵:
0.2
0.35
0.3
0.45
0.4
0.1
- 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 数据 挖掘 习题 doc
![提示](https://static.bdocx.com/images/bang_tan.gif)