數(shù)據(jù)倉庫與數(shù)據(jù)挖掘(2014年工碩)答案

1、 課程名稱：數(shù)據(jù)倉庫與數(shù)據(jù)挖掘滿分分值：100考試日期：2014-03-16姓名：學(xué)號：I.選擇題，為每個問題選擇最合適的答案（15X3%=45%）數(shù)據(jù)倉庫是為_（A）_服務(wù)的。A）決策B）查詢C）統(tǒng)計D）匯總數(shù)據(jù)倉庫上的業(yè)務(wù)處理稱作_（A）_OA）聯(lián)機(jī)事務(wù)處理B）聯(lián)機(jī)分析處理C）聯(lián)機(jī)輸入處理D）聯(lián)機(jī)查詢處理在自然演化體系結(jié)構(gòu)中，關(guān)于導(dǎo)致數(shù)據(jù)缺乏可信性的原因的說法哪個不正確？（D）A）數(shù)據(jù)無時基B）抽取程序的算法有差異C）抽取的層次不同D）缺乏集成性下面哪項關(guān)于OLTP與OLAP訪問特點(diǎn)的說法是不正確的（B）A）OLTP和OLAP對于響應(yīng)時間的要求都高B）OLTP訪問頻率高，OLAP訪問頻率低

2、C）OLAP訪問大量的歷史，執(zhí)行大量統(tǒng)計操作D）OLTP數(shù)據(jù)處理具有并發(fā)性數(shù)據(jù)倉庫中的多維模型最常用的是哪種？（B）A）雪花模型B）星型模型C）E-R模型D）事實(shí)星座模型關(guān)于星型模型中的表的說法正確的是？（B）A）代碼表和維表B）事實(shí)表和維表C）事實(shí)表和參照表D）維表和參照表下面關(guān)于數(shù)據(jù)倉庫中數(shù)據(jù)的說法錯誤的是？（A）A）數(shù)據(jù)越詳細(xì)，粒度越小，層次級別就越高。B）在估計直接存儲設(shè)備數(shù)時，如數(shù)據(jù)超過1000萬行必須強(qiáng)制采取雙重粒度級。C）數(shù)據(jù)倉庫大部分分析是針對被壓縮的、存取效率高的輕度級數(shù)據(jù)進(jìn)行的。D）數(shù)據(jù)分割便于數(shù)據(jù)的重構(gòu)、重組和恢復(fù)，以提高創(chuàng)建索引和順序掃描的效率。下面關(guān)于數(shù)據(jù)倉庫的數(shù)據(jù)存

3、儲方式的說法哪個是不正確的？（B）A）虛擬存儲方式中，數(shù)據(jù)倉庫的數(shù)據(jù)仍然在源數(shù)據(jù)中。B）星型模式下的維表規(guī)范化的，而雪花模式下的不需要規(guī)范化C）在查詢效率方面，星型模式效率更高D）在事實(shí)星座模式中有多個事實(shí)表，且它們共享相同的維表下面關(guān)于星型模型的說法哪個是不正確的？（C）A）有一個包含大量數(shù)據(jù)的事實(shí)表B）有一組小的附屬表，稱為維表，每維一個。C）事實(shí)表的每個字段都是事實(shí)度量字段D）事實(shí)中每條元組都含有指向各個維表的外鍵和度量數(shù)據(jù)。下面關(guān)于數(shù)據(jù)倉庫的數(shù)據(jù)追加的說法哪個是不正確的？A）時標(biāo)法需要為記錄數(shù)據(jù)增加一個時間標(biāo)志（C）B）前后映像文件方法需要掃描整個數(shù)據(jù)庫，占用較多資源，對性能有較大影響

4、C）DELTA不需要掃描整個數(shù)據(jù)庫，效率較高，應(yīng)用普遍D）日志文件法也不需要掃描整個數(shù)據(jù)庫，是固有機(jī)制。假設(shè)收入屬性的最小與最大分別是10000和90000，現(xiàn)在想把當(dāng)前值30000映射到區(qū)間0,1,若采用最大最小數(shù)據(jù)規(guī)范方法，計算結(jié)果是多少？（B）A）0.25B）0.375C）0.125D）0.5下面關(guān)于維的概念哪個是不正確的？（C）A）維是人們觀察數(shù)據(jù)的特定角度。B）維的層次性是由觀察數(shù)據(jù)細(xì)致程度不同造成的。C）“某年某月某日”是時間維的層次。D）“月、季、年”是時間維的層次。下面關(guān)于OLAP的數(shù)據(jù)模型的說法哪個是不正確的？（D）A）MOLAP基于多維數(shù)據(jù)庫B）MOLAP表現(xiàn)為“超立方”結(jié)

5、構(gòu)，采用類似于多維數(shù)組的結(jié)構(gòu)C）ROLAP基于關(guān)系數(shù)據(jù)庫D）ROLAP是一個平面結(jié)構(gòu)，用關(guān)系數(shù)據(jù)庫表示多維數(shù)據(jù)時，采用雪花模型。數(shù)據(jù)倉庫開發(fā)應(yīng)用周期可分為三個階段，下列哪項不是其中某個階段？（B）A)規(guī)劃分析階段B)體系結(jié)構(gòu)設(shè)計階段C)設(shè)計實(shí)施階段D)使用維護(hù)階段哪項不屬于概念模型(E-R)到邏輯模型(星型模型)所做的工作？(C)A)確定數(shù)據(jù)匯總水平B)設(shè)計事實(shí)表與維表C)調(diào)整數(shù)據(jù)表結(jié)構(gòu)保持?jǐn)?shù)據(jù)完整性D)創(chuàng)建事實(shí)表與維表之間的關(guān)系II.簡答題(任選5題，5X5%=25%)在現(xiàn)實(shí)世界的數(shù)據(jù)中，元組在某些屬性上缺少值是常有的，描述處理該問題的方法？(至少給出5種不同的方法)答：(1)忽略元組(2)

6、人工填寫空缺值(3)使用一個全局常量填充空缺值(4)使用屬性的平均值填充空缺值(5)使用與給定元組屬同一類的所有樣本的平均值(6)使用最可能的值填充空缺值簡述數(shù)據(jù)倉庫的四個基本特征？答：四個基本特征為：(1)面向主題操作型數(shù)據(jù)庫的數(shù)據(jù)組織面向事務(wù)處理任務(wù)，各個業(yè)務(wù)系統(tǒng)之間各自分離，而數(shù)據(jù)倉庫中的數(shù)據(jù)是按照一定的主題域進(jìn)行組織的。(2)集成的數(shù)據(jù)倉庫中的數(shù)據(jù)是在對原有分散的數(shù)據(jù)庫數(shù)據(jù)抽取、清理的基礎(chǔ)上經(jīng)過系統(tǒng)加工、匯總和整理得到的，必須消除源數(shù)據(jù)中的不一致性，以保證數(shù)據(jù)倉庫內(nèi)的信息是關(guān)于整個企業(yè)的一致的全局信息。(3)相對穩(wěn)定的數(shù)據(jù)倉庫的數(shù)據(jù)主要供企業(yè)決策分析之用，一旦某個數(shù)據(jù)進(jìn)入數(shù)據(jù)倉庫以后，

7、一般情況下將被長期保留，也就是數(shù)據(jù)倉庫中一般有大量的查詢操作，但修改和刪除操作很少，通常只需要定期的加載、刷新。(4)反映歷史變化數(shù)據(jù)倉庫中的數(shù)據(jù)通常包含歷史信息，系統(tǒng)記錄了企業(yè)從過去某一時點(diǎn)(如開始應(yīng)用數(shù)據(jù)倉庫的時點(diǎn))到目前的各個階段的信息，通過這些信息，可以對企業(yè)的發(fā)展歷程和未來趨勢做出定量分析和預(yù)測。簡述輪轉(zhuǎn)綜合數(shù)據(jù)存儲的過程？答：(1)確定用戶需求：確定終端用戶的需要，為數(shù)據(jù)倉庫中存儲的數(shù)據(jù)建立模型。(2)設(shè)計和建立數(shù)據(jù)庫：設(shè)計和建立數(shù)據(jù)庫是成功地創(chuàng)建數(shù)據(jù)倉庫的一個關(guān)鍵步驟。數(shù)據(jù)倉庫常常使用星型模式和雪花型模式來存儲數(shù)據(jù)，作為OLAP工具管理的合計基礎(chǔ)，以便盡可能快地響應(yīng)復(fù)雜查詢。提取

8、和加載數(shù)據(jù)：提取和加載數(shù)據(jù)的進(jìn)程如下：校驗(yàn)經(jīng)營系統(tǒng)中的數(shù)據(jù)；從經(jīng)營系統(tǒng)中提取數(shù)據(jù)；凈化數(shù)據(jù)；把數(shù)據(jù)轉(zhuǎn)換和遷移到數(shù)據(jù)倉庫中簡述數(shù)據(jù)庫數(shù)據(jù)與數(shù)據(jù)倉庫數(shù)據(jù)的異同?答：數(shù)據(jù)庫是數(shù)據(jù)倉庫的基礎(chǔ)。數(shù)據(jù)倉庫實(shí)際上也是由數(shù)據(jù)庫的很多表組成的。需要把存放大量操作性業(yè)務(wù)數(shù)據(jù)的數(shù)據(jù)庫經(jīng)過篩選、抽取、歸納、統(tǒng)計、轉(zhuǎn)換到一個新的數(shù)據(jù)庫中。然后再進(jìn)行數(shù)據(jù)展現(xiàn)。區(qū)別：(1)數(shù)據(jù)庫只存放在當(dāng)前值，數(shù)據(jù)倉庫存放歷史值；數(shù)據(jù)庫內(nèi)數(shù)據(jù)是動態(tài)變化的，只要有業(yè)務(wù)發(fā)生，數(shù)據(jù)就會被更新，而數(shù)據(jù)倉庫則是靜態(tài)的歷史數(shù)據(jù)，只能定期添加、刷新；數(shù)據(jù)庫中的數(shù)據(jù)結(jié)構(gòu)比較復(fù)雜，有各種結(jié)構(gòu)以適合業(yè)務(wù)處理系統(tǒng)的需要，而數(shù)據(jù)倉庫中的數(shù)據(jù)結(jié)構(gòu)則相對簡單；數(shù)據(jù)庫

9、中數(shù)據(jù)訪問頻率較高，但訪問量較少，而數(shù)據(jù)倉庫的訪問頻率低但訪問量卻很高；數(shù)據(jù)庫中數(shù)據(jù)的目標(biāo)是面向業(yè)務(wù)處理人員的，為業(yè)務(wù)處理人員提供信息處理的支持，而數(shù)據(jù)倉庫則是面向高層管理人員的，為其提供決策支持；數(shù)據(jù)庫在訪問數(shù)據(jù)時要求響應(yīng)速度快，其響應(yīng)時間一般在幾秒內(nèi)，而數(shù)據(jù)倉庫的響應(yīng)時間則可長達(dá)數(shù)幾小時序列模式挖掘中什么是最大序列？并請舉例說明。答：兩個序列A=和B=%4.九，如果存在整數(shù)i1i2_in且a1包含于打，a2包含于bi2，,an包含于bin，則稱序列a包含于序列b。在一個序列集中如果序列s不包含于任何其它序列中，則稱序列s為最大的。比如序列(3)(4,5)(8)包含于序列(7)(3,8)(9

10、)(4,5,6)(8)，因?yàn)?3)包含于(3,8)，(4,5)包含于(4,5,6)以及(8)包含于(8)。但是序列(3)(5)不包含于(3,5)，反之亦然。前者表示項3和項5是先后購買的，而后者則表示項3和項5是同時購買的，這就是區(qū)別所在。6.簡述CRISP_DM模型？答:CRISP-DM模型為一個KDD工程提供了一個完整的過程描述.該模型將一個KDD工程分為6個不同的，但順序并非完全不變的階段.businessunderstanding:即商業(yè)理解.在第一個階段我們必須從商業(yè)的角度上面了解項目的要求和最終目的是什么.并將這些目的與數(shù)據(jù)挖掘的定義以及結(jié)果結(jié)合起來.dataunderstandi

11、ng:數(shù)據(jù)的理解以及收集，對可用的數(shù)據(jù)進(jìn)行評估.datapreparation:數(shù)據(jù)的準(zhǔn)備,對可用的原始數(shù)據(jù)進(jìn)行一系列的組織以及清洗,使之達(dá)到建模需求.modeling:即應(yīng)用數(shù)據(jù)挖掘工具建立模型.Revaluation:對建立的模型進(jìn)行評估,重點(diǎn)具體考慮得出的結(jié)果是否符合第一步的商業(yè)目的.(6)deployment:部署，即將其發(fā)現(xiàn)的結(jié)果以及過程組織成為可讀文本形式.(數(shù)據(jù)挖掘報告)7至少列舉出3個適用于分類算法的模型評價指標(biāo)，并闡述其含義？答：1)正確率(accuracy)正確率是我們最常見的評價指標(biāo)，accuracy=(TP+TN)/(P+N),就是被分對的樣本數(shù)除以所有的樣本數(shù)，通常來

12、說，正確率越高，分類器越好；錯誤率(errorrate)錯誤率則與正確率相反，描述被分類器錯分的比例，errorrate=(FP+FN)/(P+N)，對某一個實(shí)例來說，分對與分錯是互斥事件，所以accuracy=1-errorrate；靈敏度(sensitive)sensitive=TP/P,表示的是所有正例中被分對的比例，衡量了分類器對正例的識別能力；特效度(specificity)specificity=TN/N，表示的是所有負(fù)例中被分對的比例，衡量了分類器對負(fù)例的識別能力8.OLAP中數(shù)據(jù)立方體物化的目的是什么？分幾類？物化是主要考慮的因素有哪些？答：數(shù)據(jù)立方體有利于多維數(shù)據(jù)的聯(lián)機(jī)分析處

13、理，使得從不同的角度對數(shù)據(jù)進(jìn)行觀察成為可能。方體的選擇分為三類：不物化，即不預(yù)先計算任何“非基本”方體；全物化：預(yù)先計算所有的方體；部分物化：在整個可能的方體集中，有選擇地物化一個適當(dāng)?shù)淖蛹?。考慮的因素有三個：(1)確定要物化的方體子集(2)利用查詢處理時物化的方體(3)在裝入和刷新時，有效地更新物化的方體。 (5%) III.設(shè)計題（3X10%=30%）1、假設(shè)數(shù)據(jù)倉庫包含三個維time、doctor和patient，兩個度量count和charge,其中charge是醫(yī)生對一位病人的一次診治的收費(fèi)。A）列舉三種流行的數(shù)據(jù)倉庫建模模式1%B）使用（A）列舉的模式之一，畫出上面數(shù)據(jù)倉庫的模式圖

14、3%C）由基本方體day，doctor，patient開始，為列出2010年每位醫(yī)生的收費(fèi)總數(shù)，應(yīng)當(dāng)執(zhí)行哪些OLAP操作？3%D）為得到相同的結(jié)果，寫一個SQL查詢。假定數(shù)據(jù)存放在關(guān)系數(shù)據(jù)庫中，其模式如下：feeday,month,year,doctor,hospital,patient,count,charge3%答：A）星型模式、雪花模式、或事實(shí)星座模式B）星型模型模式圖timeclimensioutabledoctotrlimensioubleriinekeytimekeydooctoiiddaydoctoriddoctorUdinedayoiweek/paiieinidphonedmo

15、nthaddissquaiter/!chargesexyear/comitfacttablepatientdiineusioutnblepatietnidsex-desciiptiunaddress上卷（Roll-up）操作，時間維的概念分層向上攀升，從day攀升到y(tǒng)ear.切片（Slice）操作，fortime=2004.上卷（Roll-up）操作：維規(guī)約，對patient維進(jìn)行規(guī)約。patientfromindividualpatienttoall.2、假定下面的表從面向?qū)傩缘臍w納導(dǎo)出。類出生地人數(shù)程序員江蘇180其它120銷售員江蘇20其它80a）將該表轉(zhuǎn)換成顯示相關(guān)t-權(quán)和d-權(quán)的交叉

16、表（5%）b）將類“程序員”轉(zhuǎn)換成（雙向的）量化描述規(guī)則。例如VXProgrammer(X)o(birth_place(X)=江蘇A.)t:x%,d:y%.v(.)(t:w%,d:z%3、假設(shè)數(shù)據(jù)集D含有9個數(shù)據(jù)對象(用2維空間的點(diǎn)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)123123123采用k-均值方法進(jìn)行聚類，距離函數(shù)采用歐幾里德距離，取k=3,假設(shè)初始的三個簇質(zhì)心為ai,bi，和q,求:(1)第一次循環(huán)結(jié)束時的三個簇的質(zhì)心。(5%)(2)最后求得的三個簇。5%解:(1)第一次循

17、環(huán)：d2(A1，A1)=(3-3)2+(2-2)2=0d2(A1，B1)=(3-9)2+(2-5)2=45d2(A1，C1)=(3-2)2+(2-6)2=17因?yàn)閐2(Al,Al)最小，所以，A1-A1d2(A2，A1)=(3-3)2+(9-2)2=49d2(A2，Bl)=(3-9)2+(9-5)2=60d2(A2，Cl)=(3-2)2+(9-6)2=l0因?yàn)閐2(A2,Cl)最小，所以，A2-C1d2(A3，Al)=(8-3)2+(6-2)2=4ld2(A3，Bl)=(8-9)2+(6-5)2=2d2(A3，Cl)=(8-2)2+(6-6)2=36因?yàn)閐2(A3，Bl)最小，所以，A3-B1

18、d2(Bl，Al)=(9-3)2+(5-2)2=45d2(Bl，Bl)=(9-9)2+(5-5)2=0d2(Bl，Cl)=(9-2)2+(5-6)2=50因?yàn)閐2(Bl，Bl)最小，所以，B1-B1d2(B2，Al)=(2-3)2+(4-2)2=5d2(B2，Bl)=(2-9)2+(4-5)2=50d2(B2，Cl)=(2-2)2+(4-6)2=4因?yàn)閐2(B2，Cl)最小，所以，B2-C1d2(B3，Al)=(3-3)2+(l0-2)2=64d2(B3，Bl)=(3-9)2+(l0-5)2=6ld2(B3，C1)=(3-2)2+(10-6)2=17因?yàn)閐2(B3,Cl)最小，所以，B3-C1d2(C1，A1)=(2-3)2+(6-2)2=17d2(Cl，Bl)=(2-9)2+(6-5)2=50d2(Cl，