數(shù)據(jù)倉庫與數(shù)據(jù)挖掘考試習(xí)題匯總

1、第一章 1、數(shù)據(jù)倉庫就是一個面向主題的、集成的、相對穩(wěn)定的、反映歷史變化的數(shù)據(jù) 集合。 2、元數(shù)據(jù)是描述數(shù)據(jù)倉庫內(nèi)數(shù)據(jù)的結(jié)構(gòu)和建立方法的數(shù)據(jù)，它為訪問數(shù)據(jù)倉庫 提供了一個信息目錄，根據(jù)數(shù)據(jù)用途的不同可將數(shù)據(jù)倉庫的元數(shù)據(jù)分為技術(shù)元 數(shù)據(jù)和業(yè)務(wù)元數(shù)據(jù)兩類。 3、數(shù)據(jù)處理通常分成兩大類：聯(lián)機事務(wù)處理和聯(lián)機分析處理。 4、多維分析是指以“維”形式組織起來的數(shù)據(jù)（多維數(shù)據(jù)集）采取切片、切塊、 鉆取和旋轉(zhuǎn)等各種分析動作，以求剖析數(shù)據(jù)，使擁護能從不同角度、不同側(cè)面 觀察數(shù)據(jù)倉庫中的數(shù)據(jù)，從而深入理解多維數(shù)據(jù)集中的信息。 5、ROLAP是基于關(guān)系數(shù)據(jù)庫的 OLAP實現(xiàn)，而MOLAP是基于多維數(shù)據(jù)結(jié)構(gòu) 組織的O

2、LAP實現(xiàn)。 6、數(shù)據(jù)倉庫按照其開發(fā)過程，其關(guān)鍵環(huán)節(jié)包括數(shù)據(jù)抽取、數(shù)據(jù)存儲于管理和數(shù) 據(jù)表現(xiàn)等。 7、 數(shù)據(jù)倉庫系統(tǒng)的體系結(jié)構(gòu)根據(jù)應(yīng)用需求的不同，可以分為以下4種類型：兩 層架構(gòu)、獨立型數(shù)據(jù)集合、以來型數(shù)據(jù)結(jié)合和操作型數(shù)據(jù)存儲和邏輯型數(shù)據(jù)集 中和實時數(shù)據(jù)倉庫。 8、 操作型數(shù)據(jù)存儲實際上是一個集成的、 面向主題的、可更新的、當前值的（但 是可“揮發(fā)”的）、企業(yè)級的、詳細的數(shù)據(jù)庫，也叫運營數(shù)據(jù)存儲。 9、“實時數(shù)據(jù)倉庫”以為著源數(shù)據(jù)系統(tǒng)、決策支持服務(wù)和倉庫倉庫之間以一個 接近實時的速度交換數(shù)據(jù)和業(yè)務(wù)規(guī)則。 10、 從應(yīng)用的角度看，數(shù)據(jù)倉庫的發(fā)展演變可以歸納為5個階段：以報表為主、 以分析為主、以

3、預(yù)測模型為主、以運營導(dǎo)向為主和以實時數(shù)據(jù)倉庫和自動決策 為主。 第二章 1、調(diào)和數(shù)據(jù)是存儲在企業(yè)級數(shù)據(jù)倉庫和操作型數(shù)據(jù)存儲中的數(shù)據(jù)。 2、抽取、轉(zhuǎn)換、加載過程的目的是為決策支持應(yīng)用提供一個單一的、權(quán)威數(shù)據(jù) 源。因此，我們要求ETL過程產(chǎn)生的數(shù)據(jù)（即調(diào)和數(shù)據(jù)層）是詳細的、歷史的、 規(guī)范的、可理解的、即時的和質(zhì)量可控制的。 3、數(shù)據(jù)抽取的兩個常見類型是靜態(tài)抽取和增量抽取。靜態(tài)抽取用于最初填充數(shù) 據(jù)倉庫，增量抽取用于進行數(shù)據(jù)倉庫的維護。 4、粒度是對數(shù)據(jù)倉庫中數(shù)據(jù)的綜合程度高低的一個衡量。粒度越小，細節(jié)程度 越高，綜合程度越低，回答查詢的種類越多。 5、使用星型模式可以從一定程度上提高查詢效率。因為

4、星型模式中數(shù)據(jù)的組織 已經(jīng)經(jīng)過預(yù)處理，主要數(shù)據(jù)都在龐大的事實表中。 6、維度表一般又主鍵、分類層次和描述屬性組成。對于主鍵可以選擇兩種方式： 一種是采用自然鍵，另一種是采用代理鍵。 7、雪花型模式是對星型模式維表的進一步層次化和規(guī)范化來消除冗余的數(shù)據(jù)。 8、 數(shù)據(jù)倉庫中存在不同綜合級別的數(shù)據(jù)。一般把數(shù)據(jù)分成4個級別：早期細節(jié) 級、當前細節(jié)級、輕度綜合級和高度綜合級。 第三章 1、SQL Server SSAS提供了所有業(yè)務(wù)數(shù)據(jù)的同意整合試圖， 可以作為傳統(tǒng)報表、 在線分析處理、關(guān)鍵性能指示器記分卡和數(shù)據(jù)挖掘的基礎(chǔ)。 2、 數(shù)據(jù)倉庫的概念模型通常采用信息包圖法來進行設(shè)計，要求將其5個組成部 分（

5、包括名稱、維度、類別、層次和度量）全面地描述出來。 3、數(shù)據(jù)倉庫的邏輯模型通常采用星型圖法來進行設(shè)計，要求將星型的各類邏輯 實體完整地描述出來。 4、 按照事實表中度量的可加性情況，可以把事實表對應(yīng)的事實分為4種類型： 事務(wù)事實、快照事實、線性項目事實和事件事實。 5、確定了數(shù)據(jù)倉庫的粒度模型以后，為提高數(shù)據(jù)倉庫的使用性能，還需要根據(jù) 擁護需求設(shè)計聚合模型。 6、在項目實施時，根據(jù)事實表的特點和擁護的查詢需求，可以選用時間、業(yè)務(wù) 類型、區(qū)域和下屬組織等多種數(shù)據(jù)分割類型。 7、當維表中的主鍵在事實表中沒有與外鍵關(guān)聯(lián)時，這樣的維稱為退化維。它于 事實表并無關(guān)系，但有時在查詢限制條件（如訂單號碼、出

6、貨單編號等）中需 要用至V。 8、維度可以根據(jù)其變化快慢分為元變化維度、緩慢變化維度和劇烈變化維度三 類。 9、數(shù)據(jù)倉庫的數(shù)據(jù)量通常較大，且數(shù)據(jù)一般很少更新，可以通過設(shè)計和優(yōu)化索 引結(jié)構(gòu)來提高數(shù)據(jù)存取性能。 10、數(shù)據(jù)倉庫數(shù)據(jù)庫常見的存儲優(yōu)化方法包括表的歸并與簇文件、反向規(guī)范化 引入冗余、表的物理分割（分區(qū)）。 第四章 1、關(guān)聯(lián)規(guī)則的經(jīng)典算法包括 Apriori算法和FP-growth算法，其中FP-grownth 算法的效率更高。 2、如果 L2=a,b,a,c,a,d,b,c,b,d,則 連接產(chǎn)生的 C3=a,b,c,a,b,d,a,c,d,b,c,d 再經(jīng)過修剪，C3=a,b,c,a,b

7、,d 3、設(shè)定supmin=50%，交易集如 則 L仁A，B，C |L2=A,C T1A BC T2AC T3AD T4B EF 第五章 1、分類的過程包括獲取數(shù)據(jù)、預(yù)處理、分類器設(shè)計和分類決策。 2、分類器設(shè)計階段包含三個過程：劃分數(shù)據(jù)集、分類器構(gòu)造和分類器測試。 3、分類問題中常用的評價準則有精確度、查全率和查準率和集合均值。 4、 支持向量機中常用的核函數(shù)有多項式核函數(shù)、徑向基核函數(shù)和S型核函數(shù)。 第六章 1、 聚類分析包括連續(xù)型、二值離散型、多值離散型和混合類型4種類型描述屬 性的相似度計算方法。 2、 連續(xù)型屬性的數(shù)據(jù)樣本之間的距離有歐氏距離、曼哈頓距離和明考斯基距離。 3、劃分聚類

8、方法對數(shù)據(jù)集進行聚類時包含三個要點：選種某種距離作為數(shù)據(jù)樣 本減的相似性度量、選擇評價聚類性能的準則函數(shù)和選擇某個初始分類，之后 用迭代的方法得到聚類結(jié)果，使得評價聚類的準則函數(shù)取得最優(yōu)值。 4、層次聚類方法包括凝聚型和分解型兩中層次聚類方法。 填空題20分，簡答題25分，計算題2個（25分），綜合題30分 1、數(shù)據(jù)倉庫的組成？ P2 數(shù)據(jù)倉庫數(shù)據(jù)庫，數(shù)據(jù)抽取工具，元數(shù)據(jù)，訪問工具，數(shù)據(jù)集市，數(shù)據(jù)倉庫 管理，信息發(fā)布系統(tǒng) 2、 數(shù)據(jù)挖掘技術(shù)對聚類分析的要求有哪幾個方面？P131 可伸縮性；處理不同類型屬性的能力；發(fā)現(xiàn)任意形狀聚類的能力；減小對先 驗知識和用戶自定義參數(shù)的依賴性；處理噪聲數(shù)據(jù)的能

9、力；可解釋性和實用性 3、 數(shù)據(jù)倉庫在存儲和管理方面的特點與關(guān)鍵技術(shù)？P7 數(shù)據(jù)倉庫面對的是大量數(shù)據(jù)的存儲與管理 并行處理 針對決策支持查詢的優(yōu)化 支持多維分析的查詢模式 4、 常見的聚類算法可以分為幾類？ P132 基于劃分的聚類算法，基于層次的聚類算法，基于密度的聚類算法，基于網(wǎng) 格的聚類算法，基于模型的聚類算法 等。 5、一個典型的數(shù)據(jù)倉庫系統(tǒng)的組成？ P12 數(shù)據(jù)源、數(shù)據(jù)存儲與管理、OLAP服務(wù)器、前端工具與應(yīng)用 6數(shù)據(jù)倉庫常見的存儲優(yōu)化方法？ P71 表的歸并與簇文件；反向規(guī)范化，引入冗余；表的物理分割。 7、數(shù)據(jù)倉庫發(fā)展演變的5個階段？ P20 以報表為主 以分析為主 以預(yù)測模型為

10、主 以運行向?qū)橹饕詫崟r數(shù)據(jù)倉庫、自動決策應(yīng)用為主 8、ID3算法主要存在的缺點？ P116 （1） ID3算法在選擇根結(jié)點和各內(nèi)部結(jié)點中的分枝屬性時，使用信息增益作 為評價標準。信息增益的缺點是傾向于選擇取值較多的屬性，在有些情況下 這類屬性可能不會提供太多有價值的信息。 （2）ID3算法只能對描述屬性為離散型屬性的數(shù)據(jù)集構(gòu)造決策樹。 9、 簡述數(shù)據(jù)倉庫ETL軟件的主要功能和對產(chǎn)生數(shù)據(jù)的目標要求。P30 ETL軟件的主要功能： 數(shù)據(jù)的抽取，數(shù)據(jù)的轉(zhuǎn)換，數(shù)據(jù)的加載 對產(chǎn)生數(shù)據(jù)的目標要求： 詳細的、歷史的、規(guī)范化的、可理解的、即時的、質(zhì)量可控制的 10、簡述分類器設(shè)計階段包含的3個過程 劃分數(shù)據(jù)

11、集，分類器構(gòu)造，分類器測試 11、什么是數(shù)據(jù)清洗？ P33 數(shù)據(jù)清洗是一種使用模式識別和其他技術(shù)，在將原始數(shù)據(jù)轉(zhuǎn)換和移到數(shù)據(jù)倉 庫之前來升級原始數(shù)據(jù)質(zhì)量的技術(shù)。 12、支持度和置信度的計算公式及數(shù)據(jù)計算（P90） 找出所有的規(guī)則X 丫 ,使支持度和置信度分別大于門限支持度： 事務(wù)中 X和丫同時發(fā)生的比例，P（X ? 丫）置信度：項集X發(fā)生時，丫同時發(fā)生的條 c(X Y)= Support(X 門丫) Support(X) Milk , Diaper = Beer(0.4, 0.67) 件概率P(Y|X) Example: 13、 利用信息包圖設(shè)計數(shù)據(jù)倉庫概念模型需要確定的三方面內(nèi)容。P57 確

12、定指標，確定維度，確定類別 14、K-近鄰分類方法的操作步驟（包括算法的輸入和輸出）。P128 輸Ai訓(xùn)練集皿 未知類標號據(jù)踹本滬尿跖：譏* 輸岀未脫標號脫據(jù)祥本皿類標號, （1）對干未知類標號的數(shù)據(jù)樣本恥按照下式計算它可訓(xùn)練集盂中每一個數(shù) 辭本臉氏距務(wù) d（汕）匸丫僅廠砧$ 口2/totals （2）將第（1）步中的所有既氏距匡按鹽由小序進行攤序，并艮取前k 個距匪從而找出X在盂“中的k個近鄰，假設(shè)分別是k個近 鄰中屎于類別 Cij c： t j 加樣本敎氫“ （3）如果pf = maxt 1二1憶：叭則詞類標號為g BP zc|B * 15、什么是技術(shù)元數(shù)據(jù)，主要包含的內(nèi)容？ P29 技術(shù)

13、元數(shù)據(jù)是描述關(guān)于數(shù)據(jù)倉庫技術(shù)細節(jié)的數(shù)據(jù)，應(yīng)用于開發(fā)、管理和維護 Dvy包含： DW結(jié)構(gòu)的描述,如DW的模式、視圖、維、層次結(jié)構(gòu)和導(dǎo)出 數(shù)據(jù)的定義，數(shù)據(jù)集市的位置和內(nèi)容等 業(yè)務(wù)系統(tǒng)、DW和數(shù)據(jù)集市的體系結(jié)構(gòu)和模式 匯總算法。包括度量和維定義算法，數(shù)據(jù)粒度、主題領(lǐng)域、 聚合、匯總和預(yù)定義的查詢和報告。 由操作型業(yè)務(wù)環(huán)境到數(shù)據(jù)倉庫業(yè)務(wù)環(huán)境的映射。包括源數(shù) 據(jù)和他們的內(nèi)容、數(shù)據(jù)分割、數(shù)據(jù)提取、清洗、轉(zhuǎn)換規(guī)則和 數(shù)據(jù)刷新規(guī)則及安全（用戶授權(quán)和存取控制） 16、業(yè)務(wù)元數(shù)據(jù)主要包含的內(nèi)容？ P29 業(yè)務(wù)元數(shù)據(jù)：從業(yè)務(wù)角度描述了 DW中的數(shù)據(jù)，提供了介于使用者和實際系 統(tǒng)之間的語義層，主要包括： 使用者的業(yè)務(wù)

14、屬于所表達的數(shù)據(jù)模型、對象名和屬性名 訪問數(shù)據(jù)的原則和數(shù)據(jù)的來源 系統(tǒng)提供的分析方法及公式和報表的信息。 17、 K-means算法的基本操作步驟（包括算法的輸入和輸出）。P138* 轉(zhuǎn) 入數(shù)據(jù)集X=total,耳中的數(shù)據(jù)樣本只包含描述屬性，不 包含類別屬性；聚糞個數(shù)廟d 輸出険誤差平行和準則最小的k個聚類一 （1）從數(shù)據(jù)黑風(fēng)中隨機地選擇k個數(shù)據(jù)樣本作再聚類的初始代表點，每一個代表 點表示一個類別.卩 （2）對于X中的任一數(shù):據(jù)樣本K. （lntotal）,計算它與k個初始代表點的 距離，芥且將它劃分到距禽最近的初始代表點所表示的類別中 （陽完成數(shù)據(jù)樣本的劃分之后，對于毎一個聚類，計算其中所有

15、數(shù)據(jù)樣本的均值， 并且將其作為該聚類的新的代表點，由此得到比個均值代表點.屮 （4）對于X中的任一數(shù)據(jù)樣本（lntotal）,計算它與k個均值代表點的 距離，并且將它劃分到距禽最近的均值代表點所表示的類別中. （5）重復(fù)歩驟（3）和（G,直到各個聚糞不再發(fā)生變化為止，即誤差平方和準 則函數(shù)田值達到最優(yōu) 18、 數(shù)據(jù)從集結(jié)區(qū)加載到數(shù)據(jù)倉庫中的主要方法？P36 SQL命令（如 Insert 或 Update） 由DW供應(yīng)商或第三方提供專門的加載工具 由DW管理員編寫自定義程序 19、多維數(shù)據(jù)模型中的基本概念：維，維類別，維屬性，粒度 P37 維：人們觀察數(shù)據(jù)的特定角度，是考慮問題的一類屬性，如時間

16、 維或產(chǎn)品維 維類別：也稱維分層。即同一維度還可以存在細節(jié)程度不同的各 個類別屬性（如時間維包括年、季度、月等） 維屬性：是維的一個取值，是數(shù)據(jù)線在某維中位置的描述。 粒度：DW中數(shù)據(jù)綜合程度高低的一個衡量。粒度低，細節(jié)程度高， 回答查詢的種類多 ？ ？ 20、Apriori算法的基本操作步驟 P93 Apriori使用一種稱作逐層搜索的迭代方法，K項集用于探索K+1項集。 該方法是基于候選的策略，降低候選數(shù) Apriori剪枝原則：若任何項集是非頻繁的，則其超集必然是非頻繁的（不 用產(chǎn)生和測試超集） 該原則基于以下支持度的特性： PX,Y:（X 匸丫）二 s（X）Xs（Y） 項集的支持度不會

17、超過其子集 支持度的反單調(diào)特性（anti-monotone ）:如果一個集合不能通過 測試，則它的所有超集也都不能通過相同的測試。 令k=1 產(chǎn)生長度為1的頻繁項集 循環(huán)，直到無新的頻繁項集產(chǎn)生 從長度為k的頻繁項集產(chǎn)生長度為k+1的候選頻繁項集 連接步：項集的各項排序，前k-1個項相同 若候選頻繁子集包含長度為k的非頻繁子集，則剪枝 剪枝步：利用支持度屬性原則 掃描數(shù)據(jù)庫，計算每個候選頻繁集的支持度 刪除非頻繁項 , 保留頻繁項 什么是數(shù)據(jù)倉庫？ 數(shù)據(jù)倉庫是一個面向主體的、集成的、時變的、非易失的數(shù)據(jù)集合，支持管理 過程的決策過程 數(shù)據(jù)倉庫排除與對于決策無用的數(shù)據(jù)，提供特定主題的簡明視圖。通

18、過集成多 個異種數(shù)據(jù)源而構(gòu)成 數(shù)據(jù)倉庫總是物理地分離存放數(shù)據(jù)，這些數(shù)據(jù)源于操作環(huán)境下的應(yīng)用數(shù)據(jù)操作 性的數(shù)據(jù)更新不會發(fā)生在數(shù)據(jù)倉庫的環(huán)境下 . 2 聯(lián)機事務(wù)處理 OLTP （on-line transaction processing） 傳統(tǒng)的關(guān)系 DBMS 的主要任務(wù) 他們涵蓋了一個組織的大部分日常操作：購買、庫存、制造、銀行、工資、注 冊、記賬等。 聯(lián)機分析處理 OLAP （on-line analytical processing） 數(shù)據(jù)倉庫系統(tǒng)的主要任務(wù) 數(shù)據(jù)分析和決策 OLTP 和 OLAP 的區(qū)別 用戶和系統(tǒng)的面向性 :OLTP 面向顧客，而 OLAP 面向市場 數(shù)據(jù)內(nèi)容： OLT

19、P 系統(tǒng)管理當前數(shù)據(jù)，而 OLAP 管理歷史的數(shù)據(jù)。 數(shù)據(jù)庫設(shè)計：OLTP系統(tǒng)采用實體-聯(lián)系（ER）模型和面向應(yīng)用的數(shù)據(jù)庫設(shè)計， 而 OLAP 系統(tǒng)通常采用星形和雪花模型 視圖： OLTP 系統(tǒng)主要關(guān)注一個企業(yè)或部門內(nèi)部的當前數(shù)據(jù)，而 OLAP 系統(tǒng) 主要關(guān)注匯總的統(tǒng)一的數(shù)據(jù)。 訪問模式： OLTP 訪問主要有短的原子事務(wù)組成， 而 OLAP 系統(tǒng)的訪問大部分 是只讀操作，盡管許多可能是復(fù)雜的查詢 數(shù)據(jù)倉庫和 OLAP 工具基于多維數(shù)據(jù)模型。這種模型將數(shù)據(jù)看作數(shù)據(jù)立方體形 式。數(shù)據(jù)立方體允許從多維對數(shù)據(jù)建模和觀察。它由維和事實定義。 3 最流行的數(shù)據(jù)倉庫數(shù)據(jù)模型是多維模型，這種模型可以以星形模

20、式、雪花型 模式或事實星座模式形式存在。 建立數(shù)據(jù)倉庫模型：維與度量 星型模型 : 最常見的模型范例是星形模式，其中數(shù)據(jù)倉庫包括（ 1）一個大的 包含大批數(shù)據(jù)并且不含冗余的中心表（事實表） ；（2）一組小的附屬表（維表） ， 每維一個。中間是事實表，連接一組維表 雪花模式 : 雪花模式是星型模式的變種，其中某些維表是規(guī)范化的，而數(shù)據(jù)進 一步分解到附加的維表中，它的圖形類似于雪花的形狀 事實星座表 : 多個事實表共享維表，這種模式可以看作星型模式及，因此稱為 星系模式或事實星座 數(shù)據(jù)立方體度量是一個數(shù)值函數(shù)，可以對數(shù)據(jù)立方體空間的每一個點求值。通 過對給定點的各維 -值對聚集數(shù)據(jù)，計算該點的度量

21、值。 度量可以根據(jù)所用的聚集函數(shù)類型可以分成三類 （即分布的、代數(shù)的和整體的）。 概念分層定義一個映射序列，將低層概念映射到更一般的較高層概念。 多維數(shù)據(jù)模型中的 OLAP 操作 (1) 上卷：上卷操作通過沿一個維的概念分層向上攀升或者通過維規(guī)約，對數(shù)據(jù) 立方體進行聚集； (2) 下鉆：下鉆是上卷的逆操作，它由不太詳細的數(shù)據(jù)到更詳細的數(shù)據(jù)。下鉆可 以通過沿維的概念分層向下或引入附加的維來實現(xiàn)； (3) 切片和切塊： 切片操作對給定立方體的一個維進行選擇， 導(dǎo)致一個子立方體。 切塊操作通過對兩個或多個維執(zhí)行選擇，定義子立方體； (4) 轉(zhuǎn)軸(旋轉(zhuǎn))：轉(zhuǎn)軸是一種可視化操作，它轉(zhuǎn)動數(shù)據(jù)的視角，提供數(shù)

22、據(jù)的替 代表示； (5) 其他 OLAP 操作：鉆過執(zhí)行涉及多個事實表的查詢； 鉆透操作使用關(guān)系 SQL 機制，鉆透數(shù)據(jù)立方體的底層，到后段關(guān)系表。 三層數(shù)據(jù)倉庫的系統(tǒng)結(jié)構(gòu) (1) 底層是倉庫數(shù)據(jù)服務(wù)器，它幾乎總是關(guān)系數(shù)據(jù)庫系統(tǒng)。 (2) 中間層是OLAP服務(wù)器，其典型的實現(xiàn)或者是(i)關(guān)系OLAP (ROLAP )模 型,即擴充的關(guān)系DBMS，它將對多維數(shù)據(jù)的操作映射為標準的關(guān)系操作；或 者是(ii)多維OLAP(MOLAP)模型即專門的服務(wù)器，它直接實現(xiàn)多維數(shù)據(jù) 和操作。 (3) 頂層是前段客戶層， 它包括查詢和報表工具、 分析工具和 /或數(shù)據(jù)挖掘工具(例 如趨勢分析、預(yù)測等) 。 從結(jié)構(gòu)

23、的角度看，有三種數(shù)據(jù)倉庫模型：企業(yè)倉庫、數(shù)據(jù)集市和虛擬倉庫。 數(shù)據(jù)集市( Data Mart )：數(shù)據(jù)集市包含企業(yè)范圍數(shù)據(jù)的一個子集，對于特定的 用戶群是有用的。其范圍限于選定的主題。 根據(jù)數(shù)據(jù)的來源不同，數(shù)據(jù)集市分為獨立的和依賴的兩類。 數(shù)據(jù)倉庫后端工具和實用程序包含以下功能：數(shù)據(jù)提??；數(shù)據(jù)清理；數(shù)據(jù)變換； 裝入；刷新。 數(shù)據(jù)立方體的物化有三種選擇： (1)不物化； (2)完全物化；( 3)部分物化。 有三種數(shù)據(jù)倉庫應(yīng)用：信息處理、分析處理和數(shù)據(jù)挖掘。 4 分類和預(yù)測 找出描述并區(qū)分數(shù)據(jù)類和概念的模型 (或函數(shù)) 以便能夠使用模型預(yù)測類標記 未知的對象類。 例如：依據(jù)氣候劃分國家類型或者依據(jù)

24、每里的耗油量劃分汽車類型。 表示形式：判定樹，分類規(guī)則，神經(jīng)網(wǎng)絡(luò)。 預(yù)測：預(yù)測某些未知的或空缺的數(shù)據(jù)值。 聚類分析 類標記未知：把數(shù)據(jù)聚類或分組成新的類，例如：把房子聚類來找出房子的分 布模式。 聚類依據(jù)以下原則：最大化類內(nèi)的相似性和最小化類間的相似性。 FP-樹結(jié)構(gòu)的優(yōu)點 完整性 : 不會破壞任何交易的長模式 為頻繁模式挖掘保存了完整的信息 簡潔性 減少了不相關(guān)的信息 非頻繁項集被刪掉 頻繁項集按支持度遞減順序排列 :越是頻繁的項集越有可能被共享 不會比原數(shù)據(jù)庫大 （如果不算節(jié)點鏈和計數(shù) ） 基本思想 （分治策略）： 使用FP-樹循環(huán)的產(chǎn)生頻繁模式路徑 方法對于每一個項，先構(gòu)造它的條件模式基

25、，然后構(gòu)造它的條件FP-樹 在每一個新創(chuàng)建的條件FP-樹上重復(fù)此過程 直到結(jié)果 FP 樹為空 ，或它只包含一條路徑 （單路徑將產(chǎn)生所有的它的子路徑的 結(jié)合 ，每一條子路徑都是一個頻繁模式 ） 挖掘FP-樹的主要步驟 1）為FP-樹中的每一個節(jié)點構(gòu)造條件模式基 2）為每一個條件模式基條件FP-樹 3）循環(huán)的挖掘條件FP-樹，生成至今為止獲得的頻繁模式 如果條件FP-樹只包含單條路徑，簡單的列舉所有的模式 一、 名詞解釋 1. 數(shù)據(jù)倉庫：是一種新的數(shù)據(jù)處理體系結(jié)構(gòu)，是面向主題的、集成的、不可 更新的 （穩(wěn)定性 ）、隨時間不斷變化 （不同時間 ）的數(shù)據(jù)集合，為企業(yè)決策支 持系統(tǒng)提供所需的集成信息。

26、2. 孤立點：指數(shù)據(jù)庫中包含的一些與數(shù)據(jù)的一般行為或模型不一致的異常數(shù) 據(jù)。 3. OLAP ：OLAP 是在 OLTP 的基礎(chǔ)上發(fā)展起來的，以數(shù)據(jù)倉庫為基礎(chǔ)的數(shù) 據(jù)分析處理， 是共享多維信息的快速分析， 是被專門設(shè)計用于支持復(fù)雜的 分析操作，側(cè)重對分析人員和高層管理人員的決策支持。 4. 粒度：指數(shù)據(jù)倉庫的數(shù)據(jù)單位中保存數(shù)據(jù)細化或綜合程度的級別。粒度影 響存放在數(shù)據(jù)倉庫中的數(shù)據(jù)量的大小， 同時影響數(shù)據(jù)倉庫所能回答查詢問 題的細節(jié)程度。 5. 數(shù)據(jù)規(guī)范化：指將數(shù)據(jù)按比例縮放 （如更換大單位 ），使之落入一個特定的 區(qū)域（如 01）以提高數(shù)據(jù)挖掘效率的方法。規(guī)范化的常用方法有：最 大最小規(guī)范化、

27、零均值規(guī)范化、小數(shù)定標規(guī)范化。 6. 關(guān)聯(lián)知識：是反映一個事件和其他事件之間依賴或相互關(guān)聯(lián)的知識。如果 兩項或多項屬性之間存在關(guān)聯(lián)， 那么其中一項的屬性值就可以依據(jù)其他屬 性值進行預(yù)測。 7. 數(shù)據(jù)挖掘：從大量的、不完全的、有噪聲的、模糊的、隨機的數(shù)據(jù)中，提 取隱含在其中的、人們事先不知道的、 但又是潛在有用的信息和知識的過 程。 8. OLTP：OLTP 為聯(lián)機事務(wù)處理的縮寫， OLAP 是聯(lián)機分析處理的縮寫。 前者是以數(shù)據(jù)庫為基礎(chǔ)的， 面對的是操作人員和低層管理人員， 對基本數(shù) 據(jù)進行查詢和增、刪、改等處理。 9. ROLAP ：是基于關(guān)系數(shù)據(jù)庫存儲方式的，在這種結(jié)構(gòu)中，多維數(shù)據(jù)被映 像成

28、二維關(guān)系表，通常采用星型或雪花型架構(gòu)，由一個事實表和多個維度 表構(gòu)成。 10. MOLAP ：是基于類似于“超立方”塊的 OLAP 存儲結(jié)構(gòu)，由許多經(jīng)壓縮 的、類似于多維數(shù)組的對象構(gòu)成，并帶有高度壓縮的索引及指針結(jié)構(gòu)，通 過直接偏移計算進行存取。 11. 數(shù)據(jù)歸約：縮小數(shù)據(jù)的取值范圍，使其更適合于數(shù)據(jù)挖掘算法的需要，并 且能夠得到和原始數(shù)據(jù)相同的分析結(jié)果。 12. 廣義知識：通過對大量數(shù)據(jù)的歸納、概括和抽象，提煉出帶有普遍性的、 概括性的描述統(tǒng)計的知識。 13. 預(yù)測型知識：是根據(jù)時間序列型數(shù)據(jù)，由歷史的和當前的數(shù)據(jù)去推測未來 的數(shù)據(jù)，也可以認為是以時間為關(guān)鍵屬性的關(guān)聯(lián)知識。 14. 偏差型知

29、識：是對差異和極端特例的描述，用于揭示事物偏離常規(guī)的異常 現(xiàn)象，如標準類外的特例，數(shù)據(jù)聚類外的離群值等。 15. 遺傳算法：是一種優(yōu)化搜索算法，它首先產(chǎn)生一個初始可行解群體，然后 對這個群體通過模擬生物進化的選擇、 交叉、變異等遺傳操作遺傳到下一 代群體，并最終達到全局最優(yōu)。 16. 聚類：是將物理或抽象對象的集合分組成為多個類或簇(cluster)的過程， 使得在同一個簇中的對象之間具有較高的相似度， 而不同簇中的對象差別 較大。 17. 決策樹：是用樣本的屬性作為結(jié)點，用屬性的取值作為分支的樹結(jié)構(gòu)。它 是分類規(guī)則挖掘的典型方法，可用于對新樣本進行分類。 18. 相異度矩陣：是聚類分析中用于

30、表示各對象之間相異度的一種矩陣， n 個 對象的相異度矩陣是一個 nn 維的單模矩陣，其對角線元素均為 0，對角 線兩側(cè)元素的值相同。 19. 頻繁項集：指滿足最小支持度的項集，是挖掘關(guān)聯(lián)規(guī)則的基本條件之一。 20. 支持度：規(guī)則A B的支持度指的是所有事件中 A與B同地發(fā)生的的概率， 即P(AU B),是AB同時發(fā)生的次數(shù)與事件總次數(shù)之比。支持度是對關(guān)聯(lián) 規(guī)則重要性的衡量。 21. 可信度：規(guī)則A B的可信度指的是包含 A項集的同時也包含B項集的條 件概率P(B|A),是AB同時發(fā)生的次數(shù)與 A發(fā)生的所有次數(shù)之比?？尚哦?是對關(guān)聯(lián)規(guī)則的準確度的衡量。 22. 關(guān)聯(lián)規(guī)則：同時滿足最小支持度閾值

31、和最小可信度閾值的規(guī)則稱之為關(guān)聯(lián) 規(guī)則。 綜合題 1何謂數(shù)據(jù)挖掘？它有哪些方面的功能？ 從大量的、不完全的、有噪聲的、模糊的、隨機的數(shù)據(jù)中，提取隱含 在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程稱為 數(shù)據(jù)挖掘。相關(guān)的名稱有知識發(fā)現(xiàn)、數(shù)據(jù)分析、數(shù)據(jù)融合、決策支持等。 數(shù)據(jù)挖掘的功能包括：概念描述、關(guān)聯(lián)分析、分類與預(yù)測、聚類分析、 趨勢分析、孤立點分析以及偏差分析等。 2何謂數(shù)據(jù)倉庫？為什么要建立數(shù)據(jù)倉庫？ 數(shù)據(jù)倉庫是一種新的數(shù)據(jù)處理體系結(jié)構(gòu)，是面向主題的、集成的、不 可更新的（穩(wěn)定性）、隨時間不斷變化（不同時間）的數(shù)據(jù)集合，為企業(yè)決策支 持系統(tǒng)提供所需的集成信息。 建立數(shù)據(jù)倉庫的

32、目的有3個： 一是為了解決企業(yè)決策分析中的系統(tǒng)響應(yīng)問題，數(shù)據(jù)倉庫能提供比傳 統(tǒng)事務(wù)數(shù)據(jù)庫更快的大規(guī)模決策分析的響應(yīng)速度。 二是解決決策分析對數(shù)據(jù)的特殊需求問題。決策分析需要全面的、正 確的集成數(shù)據(jù)，這是傳統(tǒng)事務(wù)數(shù)據(jù)庫不能直接提供的。 三是解決決策分析對數(shù)據(jù)的特殊操作要求。決策分析是面向?qū)I(yè)用戶 而非一般業(yè)務(wù)員，需要使用專業(yè)的分析工具，對分析結(jié)果還要以商業(yè)智能 的方式進行表現(xiàn)，這是事務(wù)數(shù)據(jù)庫不能提供的。 3. 列舉操作型數(shù)據(jù)與分析型數(shù)據(jù)的主要區(qū)別。 操作型數(shù)據(jù) 分析型數(shù)據(jù) 當前的、細節(jié)的 歷史的、綜合的 面向應(yīng)用、事務(wù)驅(qū)動 面向分析、分析驅(qū)動 頻繁增、刪、改 幾乎不更新，定期追加 操作需求事先知

33、道 分析需求事先不知道 生命周期符合SDLC 完全不同的生命周期 對性能要求高 對性能要求寬松 一次操作數(shù)據(jù)量小 一次操作數(shù)據(jù)量大 支持日常事務(wù)操作 支持管理決策需求 4.何謂OLTP和OLAP ?它們的主要異同有哪些？ OLTP即聯(lián)機事務(wù)處理，是以傳統(tǒng)數(shù)據(jù)庫為基礎(chǔ)、面向操作人員和低層 管理人員、對基本數(shù)據(jù)進行查詢和增、刪、改等的日常事務(wù)處理。OLAP 即聯(lián)機分析處理，是在 OLTP基礎(chǔ)上發(fā)展起來的、以數(shù)據(jù)倉庫基礎(chǔ)上的、 面向高層管理人員和專業(yè)分析人員、為企業(yè)決策支持服務(wù)。 OLTP和OLAP的主要區(qū)別如下表: OLTP OLAP 數(shù)據(jù)庫數(shù)據(jù) 數(shù)據(jù)庫或數(shù)據(jù)倉庫數(shù)據(jù) 細節(jié)性數(shù)據(jù) 綜合性數(shù)據(jù) 當前

34、數(shù)據(jù) 歷史數(shù)據(jù) 經(jīng)常更新 不更新，但周期性刷新 一次性處理的數(shù)據(jù)量小 一次處理的數(shù)據(jù)量大 對響應(yīng)時間要求高 響應(yīng)時間合理 用戶數(shù)量大 用戶數(shù)據(jù)相對較少 面向操作人員，支持日常操作 面向決策人員，支持管理需要 面向應(yīng)用，事務(wù)驅(qū)動 面向分析，分析驅(qū)動 5何謂粒度？它對數(shù)據(jù)倉庫有什么影響？按粒度組織數(shù)據(jù)的方式有哪些？ 粒度是指數(shù)據(jù)倉庫的數(shù)據(jù)單位中保存數(shù)據(jù)細化或綜合程度的級別。粒 度影響存放在數(shù)據(jù)倉庫中的數(shù)據(jù)量的大小，同時影響數(shù)據(jù)倉庫所能回答查 詢問題的細節(jié)程度。按粒度組織數(shù)據(jù)的方式主要有： 簡單堆積結(jié)構(gòu) 輪轉(zhuǎn)綜合結(jié)構(gòu) 簡單直接結(jié)構(gòu) 連續(xù)結(jié)構(gòu) 6. 簡述數(shù)據(jù)倉庫設(shè)計的三級模型及其基本內(nèi)容。 概念模型設(shè)

35、計是在較高的抽象層次上的設(shè)計，其主要內(nèi)容包括：界定 系統(tǒng)邊界和確定主要的主題域。 邏輯模型設(shè)計的主要內(nèi)容包括：分析主題域、確定粒度層次劃分、確 定數(shù)據(jù)分割策略、定義關(guān)系模式、定義記錄系統(tǒng)。 物理數(shù)據(jù)模型設(shè)計的主要內(nèi)容包括：確定數(shù)據(jù)存儲結(jié)構(gòu)、確定數(shù)據(jù)存 放位置、確定存儲分配以及確定索引策略等。在物理數(shù)據(jù)模型設(shè)計時主要 考慮的因素有：I/O存取時間、空間利用率和維護代價等。 提高性能的主要措施有劃分粒度、數(shù)據(jù)分割、合并表、建立數(shù)據(jù)序列、 引入冗余、生成導(dǎo)出數(shù)據(jù)、建立廣義索引等。 7. 在數(shù)據(jù)挖掘之前為什么要對原始數(shù)據(jù)進行預(yù)處理？ 原始業(yè)務(wù)數(shù)據(jù)來自多個數(shù)據(jù)庫或數(shù)據(jù)倉庫，它們的結(jié)構(gòu)和規(guī)則可能是 不同的

36、，這將導(dǎo)致原始數(shù)據(jù)非常的雜亂、不可用，即使在同一個數(shù)據(jù)庫中， 也可能存在重復(fù)的和不完整的數(shù)據(jù)信息，為了使這些數(shù)據(jù)能夠符合數(shù)據(jù)挖 掘的要求，提高效率和得到清晰的結(jié)果，必須進行數(shù)據(jù)的預(yù)處理。 為數(shù)據(jù)挖掘算法提供完整、干凈、準確、有針對性的數(shù)據(jù)，減少算法 的計算量，提高挖掘效率和準確程度。 B. 捕捉到的新數(shù)據(jù)會覆蓋原來的快照 ; C. 數(shù)據(jù)倉庫隨事件變化不斷刪去舊的數(shù)據(jù)內(nèi)容 ; D. 數(shù)據(jù)倉庫中包含大量的綜合數(shù)據(jù) ,這些綜合數(shù)據(jù)會隨著時間的變化不斷地進 行重新綜合 . 29. 關(guān)于基本數(shù)據(jù)的元數(shù)據(jù)是指 : (D) A. 基本元數(shù)據(jù)與數(shù)據(jù)源 ,數(shù)據(jù)倉庫 ,數(shù)據(jù)集市和應(yīng)用程序等結(jié)構(gòu)相關(guān)的信息 ; B.

37、 基本元數(shù)據(jù)包括與企業(yè)相關(guān)的管理方面的數(shù)據(jù)和信息 ; C. 基本元數(shù)據(jù)包括日志文件和簡歷執(zhí)行處理的時序調(diào)度信息 ; D. 基本元數(shù)據(jù)包括關(guān)于裝載和更新處理 ,分析處理以及管理方面的信息 . 30. 下面關(guān)于數(shù)據(jù)粒度的描述不正確的是 : (C) A. 粒度是指數(shù)據(jù)倉庫小數(shù)據(jù)單元的詳細程度和級別 ; B. 數(shù)據(jù)越詳細 ,粒度就越小 ,級別也就越高 ; C. 數(shù)據(jù)綜合度越高 ,粒度也就越大 ,級別也就越高 ; D. 粒度的具體劃分將直接影響數(shù)據(jù)倉庫中的數(shù)據(jù)量以及查詢質(zhì)量 . 33. OLAP 技術(shù)的核心是 : (D) A. 在線性 ; B. 對用戶的快速響應(yīng) ; C. 互操作性 . D. 多維分析

38、; 34. 關(guān)于 OLAP 的特性,下面正確的是 : (D) (1)快速性 (2)可分析性 (3)多維性 (4)信息性 (5)共享性 A. (1) (2) (3) B. (2) (3) (4) C. (1) (2) (3) (4) D. (1) (2) (3) (4) (5) 35. 關(guān)于 OLAP 和 OLTP 的區(qū)別描述 ,不正確的是 : (C) A. OLAP 主要是關(guān)于如何理解聚集的大量不同的數(shù)據(jù) .它與 OTAP 應(yīng)用程序不同 . B. 與 OLAP 應(yīng)用程序不同 ,OLTP 應(yīng)用程序包含大量相對簡單的事務(wù) . C. OLAP 的特點在于事務(wù)量大 ,但事務(wù)內(nèi)容比較簡單且重復(fù)率高 .

39、D. OLAP 是以數(shù)據(jù)倉庫為基礎(chǔ)的 ,但其最終數(shù)據(jù)來源與 OLTP 一樣均來自底層的 數(shù)據(jù)庫系統(tǒng) ,兩者面對的用戶是相同的 . 37. 關(guān)于 OLAP 和 OLTP 的說法,下列不正確的是 : (A) A. OLAP 事務(wù)量大 ,但事務(wù)內(nèi)容比較簡單且重復(fù)率高 . B. OLAP 的最終數(shù)據(jù)來源與 OLTP 不一樣 . C. OLTP 面對的是決策人員和高層管理人員 . D. OLTP 以應(yīng)用為核心 ,是應(yīng)用驅(qū)動的 . 38.設(shè)X=1 , 2, 3是頻繁項集，則可由X產(chǎn)生_(C)_個關(guān)聯(lián)規(guī)則。 A、4 B、5 C、6 D、7 40. 概念分層圖是 _(B)_圖。 A、無向無環(huán) B、有向無環(huán) C

40、、有向有環(huán) D、無向有環(huán) 41. 頻繁項集、頻繁閉項集、最大頻繁項集之間的關(guān)系是： (C) A、頻繁項集頻繁閉項集=最大頻繁項集 B、頻繁項集=頻繁閉項集 最大頻繁項集 C、頻繁項集 頻繁閉項集 最大頻繁項集 D、頻繁項集=頻繁閉項集=最大頻繁項集 44. 在圖集合中發(fā)現(xiàn)一組公共子結(jié)構(gòu)，這樣的任務(wù)稱為 ( B ) A、頻繁子集挖掘 B、頻繁子圖挖掘 C、頻繁數(shù)據(jù)項挖掘 D、頻繁模式挖掘 48. 以下哪些算法是分類算法， A， DBSCAN B，C4.5 C,K-Mean D,EM (B) 50.決策樹中不包含一下哪種結(jié)點， A,根結(jié)點(root node) B內(nèi)部結(jié)點(internal nod

41、e) C,外部結(jié)點(external node D,葉結(jié)點(leaf node) (C) 53. 以下哪項關(guān)于決策樹的說法是錯誤的 (C) A. 冗余屬性不會對決策樹的準確率造成不利的影響 B. 子樹可能在決策樹中重復(fù)多次 C. 決策樹算法對于噪聲的干擾非常敏感 D. 尋找最佳決策樹是 NP 完全問題 54. 在基于規(guī)則分類器的中， 依據(jù)規(guī)則質(zhì)量的某種度量對規(guī)則排序， 保證每一個 測試記錄都是由覆蓋它的 “最好的”規(guī)格來分類，這種方案稱為 (B) A. 基于類的排序方案 B. 基于規(guī)則的排序方案 C. 基于度量的排序方案 D. 基于規(guī)格的排序方案。 57. 如果對屬性值的任一組合，R中都存在一

42、條規(guī)則加以覆蓋，則稱規(guī)則集R中 的規(guī)則為 (B) A,無序規(guī)則B,窮舉規(guī)則C ,互斥規(guī)則D，有序規(guī)則 58. 如果規(guī)則集中的規(guī)則按照優(yōu)先級降序排列，則稱規(guī)則集是 (D) A,無序規(guī)則B,窮舉規(guī)則C ,互斥規(guī)則D，有序規(guī)則 61. 以下關(guān)于人工神經(jīng)網(wǎng)絡(luò)( ANN )的描述錯誤的有 (A) A，神經(jīng)網(wǎng)絡(luò)對訓(xùn)練數(shù)據(jù)中的噪聲非常魯棒B,可以處理冗余特征C,訓(xùn)練 ANN是一個很耗時的過程D，至少含有一個隱藏層的多層神經(jīng)網(wǎng)絡(luò) 二、 多選題 1. 通過數(shù)據(jù)挖掘過程所推倒出的關(guān)系和摘要經(jīng)常被稱為： (A B) A. 模型 B. 模式 C. 模范 D. 模具 2 尋找數(shù)據(jù)集中的關(guān)系是為了尋找精確、方便并且有價值

43、地總結(jié)了數(shù)據(jù)的某一 特征的表示,這個過程包括了以下哪些步驟？ (A B C D) A. 決定要使用的表示的特征和結(jié)構(gòu) B. 決定如何量化和比較不同表示擬合數(shù)據(jù)的好壞 C. 選擇一個算法過程使評分函數(shù)最優(yōu) D. 決定用什么樣的數(shù)據(jù)管理原則以高效地實現(xiàn)算法。 4. 數(shù)據(jù)挖掘算法的組件包括： (A B C D) A. 模型或模型結(jié)構(gòu) B. 評分函數(shù) C. 優(yōu)化和搜索方法 D. 數(shù)據(jù)管理策 略 5. 以下哪些學(xué)科和數(shù)據(jù)挖掘有密切聯(lián)系？ (A D) A. 統(tǒng)計B. 計算機組成原理 C. 礦產(chǎn)挖掘 D. 人工智能 6. 在現(xiàn)實世界的數(shù)據(jù)中,元組在某些屬性上缺少值是常有的。描述處理該問題 的各種方法有：(A

44、BCDE ) A 忽略元組C 使用一個全局常量填充空缺值 B 使用屬性的平均值填充空缺值 D 使用與給定元組屬同一類的所有樣本的平 均值E 使用最可能的值填充空缺值 &對于數(shù)據(jù)挖掘中的原始數(shù)據(jù)，存在的問題有：(ABCDE ) A 不一致 B 重復(fù) C 不完整 D 含噪聲 E 維度高 12. 下面列出的條目中，哪些是數(shù)據(jù)倉庫的基本特征： (ACD) A. 數(shù)據(jù)倉庫是面向主題的B. 數(shù)據(jù)倉庫的數(shù)據(jù)是集成的 C. 數(shù)據(jù)倉庫的數(shù)據(jù)是相對穩(wěn)定的D. 數(shù)據(jù)倉庫的數(shù)據(jù)是反映歷史變化的 E. 數(shù)據(jù)倉庫是面向事務(wù)的 13. 以下各項均是針對數(shù)據(jù)倉庫的不同說法，你認為正確的有( BCDE )。 A.數(shù)據(jù)倉庫就是數(shù)據(jù)庫 B 數(shù)據(jù)倉庫是一切商業(yè)智能系統(tǒng)的基礎(chǔ) C 數(shù)據(jù)倉庫是面向業(yè)務(wù)的，支持聯(lián)機事務(wù)處理(OLTP ) D 數(shù)據(jù)倉庫支持決策而非事務(wù)處理 E