數(shù)據(jù)挖掘復(fù)習(xí)大綱答案新新

1、數(shù)據(jù)挖掘復(fù)習(xí)提綱分值分布一、選擇題（單選 10道 20分多選 5道 20分）二、填空題（ 10 道 20 分）三、名詞解釋（ 5道 20 分）四、解答題（ 4道 20 分）五、 應(yīng)用題（ Apriori 算法 20 分）1什么是數(shù)據(jù)挖掘？1 答：簡(jiǎn)單地說，數(shù)據(jù)挖掘是從大量數(shù)據(jù)中提取或挖掘知識(shí)。 具體地說，數(shù)據(jù)挖掘就是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)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(shí)的過程。2. 什么是數(shù)據(jù)清理？2 答：填寫缺失的值，平滑噪聲數(shù)據(jù)，識(shí)別、刪除離群點(diǎn)，解決不一致性3. 什么是數(shù)據(jù)倉庫？3 答：是一個(gè)面向主題的、集成的、隨時(shí)間而變化的

2、、不容易丟失的數(shù)據(jù)集合，支持管理部 門決策的過程。 （最顯著特征：數(shù)據(jù)不易丟失 2分選擇題）4. 什么是數(shù)據(jù)集成？4.數(shù)據(jù)集成 : 集成多個(gè)數(shù)據(jù)庫、數(shù)據(jù)立方體或文件5. 什么是數(shù)據(jù)變換？5 答：將數(shù)據(jù)轉(zhuǎn)換或統(tǒng)一成適合于挖掘的形式。6. 什么是數(shù)據(jù)歸約？6 答：得到數(shù)據(jù)集的壓縮表示，它小得多，但可以得到相同或相近的結(jié)果7. 什么是數(shù)據(jù)集市？7 答：數(shù)據(jù)集市包含企業(yè)范圍數(shù)據(jù)的一個(gè)子集，對(duì)于特定的用戶群是有用的。 其范圍限于選 定的主題。（ 是完整的數(shù)據(jù)倉庫的一個(gè)邏輯子集，而數(shù)據(jù)倉庫正是由所有的數(shù)據(jù)集市有機(jī)組合而成的 ）8. 在數(shù)據(jù)挖掘過程中，耗時(shí)最長(zhǎng)的步驟是什么？8. 答：數(shù)據(jù)清理9. 數(shù)據(jù)挖掘系

3、統(tǒng)可以根據(jù)什么標(biāo)準(zhǔn)進(jìn)行分類？9 答：根據(jù)挖掘的數(shù)據(jù)庫類型分類、根據(jù)挖掘的知識(shí)類型分類、 根據(jù)挖掘所用的技術(shù)分類、根據(jù)應(yīng)用分類10. 多維數(shù)據(jù)模型上的 OLAP 操作包括哪些？10. 答：上卷、下鉆、切片和切塊、轉(zhuǎn)軸/旋轉(zhuǎn)、其他 OLAP操作11. OLAP 服務(wù)器類型有哪幾種？11. 答：關(guān)系OLAP服務(wù)器（ROLAP）、多維OLAP服務(wù)器（MOLAP）混合OLAP服務(wù)器（HOLAP）、 特殊的 SQL 服務(wù)器12. 數(shù)據(jù)預(yù)處理技術(shù)包括哪些？ （選擇）12. 答：聚集、抽樣、維規(guī)約、特征子集選擇、特征創(chuàng)建、離散化和二元化、變量變換。13. 形成“臟數(shù)據(jù)”的原因有哪些？13. 答：濫用縮寫詞、數(shù)

4、據(jù)輸入錯(cuò)誤、數(shù)據(jù)中的內(nèi)嵌控制信息、不同的的慣用語、重復(fù)記 錄、丟失值、拼寫變化、不同的計(jì)量單位、過時(shí)的編碼14. 與數(shù)據(jù)挖掘類似的術(shù)語有哪些 ?14答：數(shù)據(jù)庫中挖掘知識(shí)、知識(shí)提取、數(shù)據(jù) /模式分析、數(shù)據(jù)考古和數(shù)據(jù)捕撈。15常用的四種興趣度的客觀度量是什么？15答：簡(jiǎn)單性、確定性、 實(shí)用性、新穎性16. 數(shù)據(jù)立方體的物化可以有哪三種選擇？16全物化不物化 部分物化17. 從軟件工程的觀點(diǎn)來看，數(shù)據(jù)倉庫的設(shè)計(jì)和構(gòu)造包含哪些步驟？17答：規(guī)劃、需求研究、問題分析、倉庫設(shè)計(jì)、數(shù)據(jù)集成和測(cè)試、部署數(shù)據(jù)倉庫。18. 在數(shù)據(jù)挖掘系統(tǒng)中，為什么數(shù)據(jù)清理十分重要？18答：臟數(shù)據(jù)的普遍存在， 使得在大型數(shù)據(jù)庫中維

5、護(hù)數(shù)據(jù)的正確性和一致性成為一個(gè)極其 困難的任務(wù)。19. 臟數(shù)據(jù)形成的原因有哪些？如何理解現(xiàn)實(shí)世界的數(shù)據(jù)是“骯臟的”？19答：濫用縮寫詞、數(shù)據(jù)輸入錯(cuò)誤、數(shù)據(jù)中的內(nèi)嵌控制信息、不同的的慣用語、重復(fù)記錄、丟失值、拼寫變化、不同的計(jì)量單位、過時(shí)的編碼不完整的、含噪聲的、不一致的、重復(fù)的20. 數(shù)據(jù)清理時(shí)，對(duì)空缺值有哪些處理方法？20. 答：忽略元組、人工填寫缺失值、使用一個(gè)全局變量填充缺失值、使用屬性的平均值填充缺失值、使用與給定元組屬同一類的所有樣本的屬性均值、使用最可能的值填充缺失值21. 什么是數(shù)據(jù)變換？包括哪些內(nèi)容？21. 答：將數(shù)據(jù)轉(zhuǎn)換或統(tǒng)一成適合于挖掘的形式。包括：光滑、聚集、數(shù)據(jù)泛化、規(guī)

6、范化、屬性構(gòu)造22. 數(shù)據(jù)歸約的策略包括哪些？22. 答：數(shù)據(jù)立方體聚集、性子集選擇、維度歸約、數(shù)值歸約、離散化和概念分層產(chǎn)生23. 提高數(shù)據(jù)挖掘算法效率有哪幾種思路？23. 答：減少對(duì)數(shù)據(jù)的掃描次數(shù)；縮小產(chǎn)生的候選項(xiàng)集；改進(jìn)對(duì)候選項(xiàng)集的支持度計(jì)算方法24. 假定屬性in come的最小值與最大值分別為12000和98000到區(qū)間0.0, 1.0，根據(jù)min-max 規(guī)范化，in come 的值 73600 將變?yōu)開0.716。25. 假定屬性in come的平均值和標(biāo)準(zhǔn)差分別為54000和16000，使用Z-score規(guī)范化，值 73600 被轉(zhuǎn)換為1.225 _。26. 假定A的值由-98

7、6到917.A的最大絕對(duì)值為 986,使用小數(shù)定標(biāo)規(guī)范化，-986被規(guī)范化為-0.986 27. 從結(jié)構(gòu)角度來看，有哪三種數(shù)據(jù)倉庫模型。27. 答：企業(yè)倉庫、數(shù)據(jù)集市、虛擬倉庫28. 什么是聚類分析？28. 答：將物理或抽象對(duì)象的集合分組成為由類似的對(duì)象組成的多個(gè)類的過程30.A31.A可以對(duì)按季度匯總的銷售數(shù)據(jù)進(jìn)行 上卷B下鉆C可以對(duì)按城市匯總的銷售數(shù)據(jù)進(jìn)行 上卷B下鉆CB，來觀察按月匯總的數(shù)據(jù)。 切片D切塊A ，來觀察按國家總的數(shù)據(jù)。 D切塊B。D維規(guī)約倉庫數(shù)據(jù)服務(wù)器、OLAP服務(wù)器、前端客戶切片32.A上卷B下鉆33. 三層數(shù)據(jù)倉庫結(jié)構(gòu)中，從底層到尾層分別是 層。通過不太詳細(xì)的數(shù)據(jù)得到更

8、詳細(xì)的數(shù)據(jù)，稱為C細(xì)化34已知事務(wù)數(shù)據(jù)庫 D，假定最小支持度為2,求所有的頻繁項(xiàng)集Supc. |lA)3J lj Ifemfrrtr t2也a3:1一r乩p.1B U235. 給出數(shù)據(jù)倉庫的某種概念模式圖，會(huì)用DMQL語句描述該概念模式，包括事實(shí)與維。見pptDMQL首先包括定義數(shù)據(jù)倉庫和數(shù)據(jù)集市的語言原語，這包括兩種原語定義：一種是立方體定義，一種是維定義立方體定義(事實(shí)表)defi ne cube cube_ name:維定義(維表)defi ne dime nsion as ()特殊案例(共享維表的定義)第一次作為維表定義“ cube defi niti on”然 后 :defi ned

9、ime nsionas in cube 實(shí)例：使用DMQ定義星型模式defi ne cube sales_star time, item, bran ch, locati on:dollars_sold = sum(sales_ in _dollars), avg_sales = avg(sales_ in _dollars), un its_sold = coun t(*)defi ne dime nsion time as (time_key,day, day_of_week, mon th, quarter, year)define dimension item as (item_key

10、,item_name, brand, type, supplier_type)defi ne dime nsion branch as (bra nch_key, branch_n ame, bran ch_type)define dimension location as (location_key,street, city, province_or_state,coun try)實(shí)例：使用DMQ定義雪花模式defi necube sales_s no wflaketime, item, branch,locati on: avg(sales_ in _dollars), un its_so

11、ld = coun t(*)dollars_sold=sum(sales_i n_dollars),avg_salesdefi ne dime nsion time as (time_key, day, day_of_week,mon th, quarter, year)defi ne dime nsion item as (item_key, item_ name, brand,type, supplier(supplier_key, supplier_type)definedimension branch as (branch_key,branchame,bran ch_type)defi

12、nedimensionlocationas (location_key,street,city(city_key, prov in ce_or_state, coun try)使用DMQ定義事實(shí)星座模式defi ne cube sales time, item, bran ch, locati on:avg_salesdollars_sold = sum(sales_i n_dollars),avg(sales_ in _dollars), un its_sold = coun t(*)defi ne dime nsion time as (time_key, day, day_of_week

13、, mon th, quarter, year)defi ne dime nsion item as (item_key, item_ name, brand,type, supplier_type)defi nedime nsion branchas (branch_key,branch_n ame,bran ch_type)defi nedimension locationas (locati on _key,street, city,prov in ce_or_state, coun try)defi necube shipp ing time,item, shipper,from_lo

14、cati on,to_locatio n:dollar_cost = sum(cost_ in _dollars),uni t_shipped :coun t(*)define dimension time as time in cube salesdefi ne dime nsion item as item in cube salesdefine dimension shipper as (shipper_key, shipper_name, locati on as locati on in cube sales, shipper_type)define dimension from_l

15、ocation as location in cube sales define dimension to_location as location in cube sales36. 四種常用的概念分層類型是什么？36. 答：模式分層、集合分組分層、操作導(dǎo)出的分層、基于規(guī)則的分層37. 各種DMQL子句的表述？(支持度、置信度)37.見 ppt eg: with support threshold = 15%38數(shù)據(jù)挖掘任務(wù)的五種原語是什么？38. 答：說明數(shù)據(jù)庫的部分或用戶感興趣的數(shù)據(jù)集一一任務(wù)相關(guān)數(shù)據(jù) 要挖掘的知識(shí)類型用于指導(dǎo)挖掘的背景知識(shí)模式評(píng)估、興趣度度量如何顯示發(fā)現(xiàn)的知識(shí)一一發(fā)現(xiàn)模式

16、的可視化39. 在進(jìn)行數(shù)據(jù)預(yù)處理時(shí)，對(duì)于離群點(diǎn)的處理方法是：視需要而定，有時(shí)需要?jiǎng)h除，有時(shí)需要保留。40. 多維數(shù)據(jù)倉庫有哪幾種概念模型？40. 答：星形模式、雪花形模式或事實(shí)星座形模式。41. Apriori算法的性質(zhì)是什么？41答：頻繁項(xiàng)集的所有非空子集也必須是頻繁的。AUB模式不可能比 A更頻繁地出現(xiàn)Apriori算法是反單調(diào)的，即一個(gè)集合如果不能通過測(cè)試，則該集合的所有超集也不能通過相同的測(cè)試。Apriori性質(zhì)通過減少搜索空間，來提高頻繁項(xiàng)集逐層產(chǎn)生的效率42應(yīng)用Apriori算法進(jìn)行尋找頻繁項(xiàng)集時(shí)，兩個(gè)關(guān)鍵的步驟是什么？42答：Apriori算法兩個(gè)關(guān)鍵的步驟是連接和剪枝。43數(shù)據(jù)

17、挖掘技術(shù)的發(fā)展動(dòng)力來自于什么？43.答：數(shù)據(jù)爆炸問題44“數(shù)據(jù)挖掘”英文縮寫是DM，它源于英文 Data Mining45“數(shù)據(jù)挖掘”亦稱為 KDD，其中文含義是什么？45. 答：數(shù)據(jù)庫中的知識(shí)發(fā)現(xiàn)46. max()函數(shù)屬于 分布函數(shù)，avg()函數(shù)屬于 代數(shù)函數(shù)，median()函數(shù)屬于 整體函數(shù)47. 數(shù)據(jù)倉庫的特征是什么 ？47. 答：數(shù)據(jù)倉庫關(guān)鍵特征1面向主題面向主題，是數(shù)據(jù)倉庫顯著區(qū)別于關(guān)系數(shù)據(jù)庫系統(tǒng)的一個(gè)特征數(shù)據(jù)倉庫關(guān)鍵特征 2數(shù)據(jù)集成數(shù)據(jù)倉庫關(guān)鍵特征 3隨時(shí)間而變化數(shù)據(jù)倉庫關(guān)鍵特征 4數(shù)據(jù)不易丟失48. 數(shù)據(jù)倉庫的概念模式有哪幾種？48. 答：最流行的數(shù)據(jù)倉庫概念模型是多維數(shù)據(jù)模型。這種模型可以以星型模式、雪花模式、或事實(shí)星座模式的形式存在。49. 一個(gè)數(shù)據(jù)立方體有 3個(gè)維，則它的2-D,3-D方體有幾個(gè)？