原数据挖掘习题Word文档格式.docx

原数据挖掘习题Word文档格式.docx

《原数据挖掘习题Word文档格式.docx》由会员分享，可在线阅读，更多相关《原数据挖掘习题Word文档格式.docx（17页珍藏版）》请在冰豆网上搜索。

{D,A,C,E,B}

T300

99/10/19

{C,A,B,E}

T400

99/10/22

{B,A,D}

a）利用Apriori算法我由最大得频繁项集

b）列由所有强关联规那么（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。

搜集一组

人关于饮料偏爱的信息，汇总如下：

咖用

不喝咖

啡

汇总

茶

150

50

200

不喝茶

650

800

1000

50%,评估关联规

（最小支持度为2）

假设支持度和置信度阈值别离为10%

那么｛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。

项

1

{a,b}

2

{bcd}

3

{acde}

4

{ade}

5

{abc}

6

{abcd}

7

{a}

8

9

{abd}

10

{bce}

结果:

后缀

频繁项集

e

{e},{de},{ade},{ce},{ae}

d

{d},{cd},{bcd},{acd},{bd},{abd},{ad}

c

{c},{bc},{abc}{ac}

b

{b}{ab}

a

13.（ch5,参P256,17）

假定有一个购物篮数据集，包括100个事务和20个项。

若

是项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别离为10%和60%。

1）计算关联{a}——>

{b}的置信度。

依照置信度气宇，这条规那么是有趣的么？

（这条规那么是不是是强关联规那么？

）（80%,是）

2）{a}——>

{b}是不是有趣？

（负相关，无趣）

11.求生下表的强关联规那么（ch5）

ID

P1

P2

P3

P4

bread

cheese

butter

water

milk

noodle

orange

meat

beer

fish

softdrink

frozenmeal

12、（ch6）

下表给由某门课程假设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）

下表是对是不是购买运算机的调查表，请依照ID3算法画由是不是购买运算机的决策树。

计

数

年龄

收

入

学生

信誉

归类：

买

计算

机？

64

青

高

否

良

不买

优

128

中

60

老

买1

低

是

132

32

买J

63

（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=否，婚姻状况=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

年收入嫡

点

6065

70

7580

85

90

95

100110

120

125

220

原数据集合修正为：

125K（>

100K（>

70K（<

=

120K（>

95K（<

60K（<

220K（>

85K（<

75K（<

90K（<

P（是尸p（否尸

p（是|X）p（X1是）p（是）p（否|X）p（X|否）p（否）

p（X）p（X）

120|是）

120|否）

p（X|是）p（有房否|是）p（婚姻状况已婚|是）p（年收入

100%*0*00

p（X|是）p（有房否|否）p（婚姻状况已婚|否）p（年收入

4/7*4/7*4/718.66%

因此，他可能不拖欠贷款

最正确割裂点：

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

男1

运动

大

加大

女

豪华

11

C1

12

13

14

15

16

17

18

19

20

1）计算整个训练样本集得GINI指标（）

2）计算属性顾客ID的GINI指标（0）

3）计算属性性别的GINI指标（）

4）那个属性更好？

性别、车型仍是衬衣尺码？

（车型，因

为其GINI指标最低）

16.（CH6,参P122）

实例

a1

a2

a3

目标

T

+

F

・

1）整个训练样本集关于类属性得嫡是多少？

（）

2）关于这些训练样本，al和a2的信息增益是多少？

（，）

3）关于持续属性a3,计算所有可能的划分的信息增益

03

Clasalabel

Splitpoint

Ent-ropy

infoGain

L0

2.0

0.8484

0.1437

-

25

0.9^85

O.Oi^26

4.01

0.0183

0.0728

风。

5.0

—

帛石

0,9839

0.0072

，：

。

十

氏5

0.9728

©

83

7.0

7.5

aS889

0.1022

是最正确割裂点。

4）依照信息增益，那个是最正确划分？

（在a1,a2,a3中）（al）

5）依照GINI指标，那个是最正确划分？

（在a1,a2,a3中）

（al）

17.考虑如下二元分类问题得数据集（CH6,参P123）

A

B

1）计算依照属性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=）

2）计算依照属性A、B划分时的GINI指标。

（不纯度降低：

,（B）

18.已知下表：

（CH6,参P124）

C

实例数

试成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竞赛：

对。

和1.假设65%的竞赛队0

胜由，剩余得竞赛队1获胜。

队。

获胜得竞赛中只有30%

是在队1的主场，而对1取胜的竞赛中75%是主场获胜。

若是下一场竞赛在队1的主场进行，哪一支球队最有可能胜

由呢？

（队1）

x:

东道主（0,1）y:

成功者（0,1）

队0取胜得概率：

p（y=0）=

队1取胜得概率：

p（y=1）=

对1取胜的竞赛中75%是主场获胜：

队1获胜时作为东道

主的概率：

p（x=1|y=1）=

时队1作为东道主得概率：

P（x=1|y=0）=

比较P（y=1|x=1）和P（y=0|x=1）

「p（x1|y1）p（y1）0.750.350.2625

p（y1|x1）-

P（x1）p（x1）p（x1）

，、，0|、，1、p（x1|y0）p（y0）0.30.650.195

p（y01xI）

p（x1）p（x1）p（x1）

P（y=1|x=1）>

P（y=0|x=1）因止匕，队1可能取胜。

20.（ch6,参P195,8）

考虑以下数据集:

1）估量条件概率P（A=1|+）,P（B=1|+）,P（C=1|+）,P（A=1|-）,

P（B=1|-）,P（C=1|-）

，，，，，

2）依照1）中的条件概率，利用朴素贝叶斯分类方式预测测

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）：

A1（3,2）,A2（3,9）,A3（8,6）,B1（9,5）,B2（2,4）,B3（3,10）,C1（2,6）,

C2（9,6）,C3（2,2）

采纳k-均值方式进行聚类，距离函数采纳欧几里德距离，取

k=3,假设初始的三个簇质心为A1,B1,和C1,求：

（1）第一次循环终止时的三个簇的质心。

（2）最后求得的三个簇。

A2

A3

B2

B3

C2

C3

A1

V49

V41

V5

52

B1

V52

V2

74

58

V10

V36

V17

49

V16

第一次循环终止时：

（A1,C3）质心为（，2）或（3,2）

（B1,A3,C2），质心为：

，或（9,6）

第二次循环

A1A2

3,20，49

V

9,6，45

3,7，25

第二次循环终止时:

（C1,A2,B2,B3）,质心为:

平方误差E=28

A3B1B2B3

V41V45V64

V1165

V26V40V9

（A1,B2,C3）质心为（,）

（,）或（3,8）

C1C2C3

V17V521

49065

23726

或（2,3）

（A3,B1,C2）,质心为：

或（9,6）

（A2,B3,C1）,质心为：

（，）或（3,7）

平方误差E=21

第三次循环

A1A2A3

2,3V2V37V45

9,6451

3,7426

9581

23737

第三次循环终止时：

（A1,B2,C3）质心为（，）或（2,3）不变

（A3,B1,C2）,质心为:

，或（9,6）不变

（，）或（3,7）不变

平方误差E=21不变

15.（ch7）

已知四个点的坐标如下：

X坐标

Y坐标

其欧几里德距离矩阵:

试进行单链、全链聚类，并画由树形图

答案：

单链：

P2,p3

P2,p3,p4

P2,p3——P2,P3,P4——p2,p2,p4,p1

全链：

第一步同单链

或：

P2,p3——P2,P3,P1——p2,p2,p1,p4

16.请将以下属性分类：

（ch7）

1）用AM和PM表示的时刻（序数变量）2）按度测由得0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）外衣寄放号码（当你由席一个活动时，你常常能够将你的外衣交给某个人，然后他给你一个号码，你能够在离开时来取）（名义）

17.计算下表表示的混淆矩阵得嫡和纯度

簇

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

而

EnkrtanW

Financial

际庵口

Mi/tro

Natiood

Sports

Total

Entrap：

」

Purity

--

n

J

神

0.3

起

加

出

娜

岫

（

期

04

55

湖

MJ

汨

32M

圃

18.已知四个点的相异度矩阵: