數(shù)據(jù)挖掘考試題目——簡答題

1、數(shù)據(jù)挖掘考試題目簡答題（1） 什么是數(shù)據(jù)挖掘？什么是知識發(fā)現(xiàn)？答：數(shù)據(jù)挖掘是在大型數(shù)據(jù)存儲庫中，自動地發(fā)現(xiàn)有用的信息的過程。知識發(fā)現(xiàn)是將未加工的數(shù)據(jù)轉(zhuǎn)換為有用信息的整個過程。（2） 數(shù)據(jù)挖掘要解決的問題包括哪五項？答：可伸縮、高維性、異種數(shù)據(jù)和復(fù)雜數(shù)據(jù)、數(shù)據(jù)的所有權(quán)與分布、非傳統(tǒng)的分析。（3） 數(shù)據(jù)的屬性分別包括哪幾種類型？分別可執(zhí)行什么操作？答：標(biāo)稱(nomial)相異性序數(shù)(ordinal)區(qū)間(interval)比率(ratio) =和序 <、>、加法+、-乘法×、÷（4） 數(shù)據(jù)中遺漏值的處理策略包括哪幾種？答：1、刪除數(shù)據(jù)對象或?qū)傩?，如遺漏數(shù)據(jù)對象很少

2、2、估計遺漏值，如插值或最近鄰法3、在分析時忽略遺漏值，如忽略屬性計算相似度（5） 數(shù)據(jù)預(yù)處理的工作可以包括哪兩類？答：1、選擇分析所需要的數(shù)據(jù)對象和屬性2、創(chuàng)建或改變屬性（6） 聚集的目的是什么？答：1、數(shù)據(jù)約減 2、改變尺度3、提高數(shù)據(jù)的穩(wěn)定性（7） 有效抽樣的定義是什么？答：1、如果樣本是有代表性的，則使用樣本與使用整個數(shù)據(jù)集的效果幾乎一樣2、樣本具有足夠的代表性的前提是它近似地具有與原數(shù)據(jù)集相同的感興趣的性質(zhì)（8） 維歸約的目的是什么？答：1、避免維災(zāi)難 2、減少數(shù)據(jù)挖掘算法的時間與空間開銷 3、便于模型的理解與數(shù)據(jù)的可視化4、刪除無關(guān)特征并降低噪聲（9） 特征子集的選擇方法中，除了基

3、于領(lǐng)域知識和窮舉法，還包括三種方法？請列舉并簡要說明答：1、嵌入法：特征子集選擇算法作為數(shù)據(jù)挖掘算法的一部分自然存在 2、過濾法：使用某種獨立于數(shù)據(jù)挖掘任務(wù)的方法，在數(shù)據(jù)挖掘算法運行前進 行 特征選擇3、包裝法：將目標(biāo)數(shù)據(jù)挖掘算法作為黑盒，使用類似理想算法的方法，但并 不枚舉所有可能（10） 當(dāng)滿足什么性質(zhì)時，距離可以稱為度量？答：1、非負性，d(p, q) >=0 ，當(dāng)且僅當(dāng)p = q時d(p, q) = 0 2、對稱性，d(p, q) = d(q, p) 3、三角不等式：d(p, r) <=d(p, q) + d(q, r) 同時滿足以上三個性質(zhì)的距離稱為度量。（11） 簡述A

4、priori算法的優(yōu)點和缺點。答：Apriori算法的優(yōu)點：結(jié)構(gòu)簡單、易于理解。Apriori算法的缺點：產(chǎn)生大量的候選項集，I/O開銷較大。（12） 簡述構(gòu)造FP樹時第一步通常必須要做什么，為什么？答：第一步就是掃描一次數(shù)據(jù)集，確定每個項的支持度計數(shù)。丟棄非頻繁項，而將頻繁項按照支持度遞減排序。這樣做的目的是最大限度的壓縮數(shù)據(jù)，要不樹就會比較茂盛，則達不到計算優(yōu)化的目的。（13） 簇評估的主要任務(wù)是什么。答 ： 確定數(shù)據(jù)集的聚類趨勢。 確定正確的簇個數(shù)。 不引用附加的信息，評估聚類分析結(jié)果對數(shù)據(jù)的擬合情況。 將聚類分析結(jié)果與已知的客觀結(jié)果比較。 比較兩個簇集，確定哪個更好。（14） 寫出K均值算法的優(yōu)缺點。答：優(yōu)點：（1）可以用于各種數(shù)據(jù)類型          （2）有效缺點：（1）不能處理非球形簇、不同尺寸和不同密度的簇（2）離群點的數(shù)