數(shù)據(jù)倉(cāng)庫與數(shù)據(jù)挖掘習(xí)題答案

1、數(shù)據(jù)倉(cāng)庫與數(shù)據(jù)挖掘習(xí)題答案 第1章 數(shù)據(jù)倉(cāng)庫的概念與體系結(jié)構(gòu) 1. 面向主題的，相對(duì)穩(wěn)定的。 2. 技術(shù)元數(shù)據(jù)，業(yè)務(wù)元數(shù)據(jù)。 3. 聯(lián)機(jī)分析處理OLAP。 4. 切片（Slice），鉆?。―rill-down和Roll-up等）。 5. 基于關(guān)系數(shù)據(jù)庫。 6. 數(shù)據(jù)抽取，數(shù)據(jù)存儲(chǔ)與管理。 7. 兩層架構(gòu)，獨(dú)立型數(shù)據(jù)集市，依賴型數(shù)據(jù)集市和操作型數(shù)據(jù)存儲(chǔ)，邏輯型數(shù)據(jù)集市和實(shí)時(shí)數(shù)據(jù)倉(cāng)庫。 8. 可更新的，當(dāng)前值的。 9. 接近實(shí)時(shí)。 10. 以報(bào)表為主，以分析為主，以預(yù)測(cè)模型為主，以營(yíng)運(yùn)導(dǎo)向?yàn)橹鳌?11. 答： 數(shù)據(jù)倉(cāng)庫就是一個(gè)面向主題的（Subject Oriented）、集成的（Integrat

2、e）、相對(duì)穩(wěn)定的（Non-Volatile）、反映歷史變化（Time Variant）的數(shù)據(jù)集合，通常用于輔助決策支持。 數(shù)據(jù)倉(cāng)庫的特點(diǎn)包含以下幾個(gè)方面： （1） 面向主題。操作型數(shù)據(jù)庫的數(shù)據(jù)組織是面向事務(wù)處理任務(wù)，各個(gè)業(yè)務(wù)系統(tǒng)之間各自分離；而數(shù)據(jù)倉(cāng)庫中的數(shù)據(jù)是按照一定的主題域進(jìn)行組織。主題是一個(gè)抽象的概念，是指用戶使用數(shù)據(jù)倉(cāng)庫進(jìn)行決策時(shí)所關(guān)心的重點(diǎn)領(lǐng)域，一個(gè)主題通常與多個(gè)操作型業(yè)務(wù)系統(tǒng)或外部檔案數(shù)據(jù)相關(guān)。 （2）集成的。面向事務(wù)處理的操作型數(shù)據(jù)庫通常與某些特定的應(yīng)用相關(guān)，數(shù)據(jù)庫之間相互獨(dú)立，并且往往是異構(gòu)的。而數(shù)據(jù)倉(cāng)庫中的數(shù)據(jù)是在對(duì)原有分散的數(shù)據(jù)庫數(shù)據(jù)作抽取、清理的基礎(chǔ)上經(jīng)過系統(tǒng)加工、匯總和

3、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(cāng)庫的信息是關(guān)于整個(gè)企事業(yè)單位一致的全局信息。也就是說存放在數(shù)據(jù)倉(cāng)庫中的數(shù)據(jù)應(yīng)使用一致的命名規(guī)則、格式、編碼結(jié)構(gòu)和相關(guān)特性來定義。 （3）相對(duì)穩(wěn)定的。操作型數(shù)據(jù)庫中的數(shù)據(jù)通常實(shí)時(shí)更新，數(shù)據(jù)根據(jù)需要與時(shí)發(fā)生變化。數(shù)據(jù)倉(cāng)庫的數(shù)據(jù)主要供單位決策分析之用，對(duì)所涉與的數(shù)據(jù)操作主要是數(shù)據(jù)查詢和加載，一旦某個(gè)數(shù)據(jù)加載到數(shù)據(jù)倉(cāng)庫以后，一般情況下將作為數(shù)據(jù)檔案長(zhǎng)期保存，幾乎不再做修改和刪除操作，也就是說針對(duì)數(shù)據(jù)倉(cāng)庫，通常有大量的查詢操作與少量定期的加載（或刷新）操作。 （4）反映歷史變化。操作型數(shù)據(jù)庫（OLTP）主要關(guān)心當(dāng)前某一個(gè)時(shí)間段的數(shù)據(jù)，而數(shù)據(jù)倉(cāng)庫中的數(shù)據(jù)

4、通常包含較久遠(yuǎn)的歷史數(shù)據(jù)，因此總是包括一個(gè)時(shí)間維，以便可以研究趨勢(shì)和變化。數(shù)據(jù)倉(cāng)庫系統(tǒng)通常記錄了一個(gè)單位從過去某一時(shí)點(diǎn)(如開始啟用數(shù)據(jù)倉(cāng)庫系統(tǒng)的時(shí)點(diǎn))到目前的所有時(shí)期的信息，通過這些信息，可以對(duì)單位的發(fā)展歷程和未來趨勢(shì)做出定量分析和預(yù)測(cè)。 12. 答： （1）兩層架構(gòu)（Generic Two-Level Architecture）。 （2）獨(dú)立型數(shù)據(jù)集市（Independent Data Mart）。 （3）依賴型數(shù)據(jù)集市和操作型數(shù)據(jù)存儲(chǔ)（Dependent Data Mart and Operational Data Store）。 （4）邏輯型數(shù)據(jù)集市和實(shí)時(shí)數(shù)據(jù)倉(cāng)庫（Logical Dat

5、a Mart and Real-Time Data Warehouse）。 13. 答： 數(shù)據(jù)倉(cāng)庫技術(shù)的發(fā)展包括數(shù)據(jù)抽取、存儲(chǔ)管理、數(shù)據(jù)表現(xiàn)和方法論等方面。在數(shù)據(jù)抽取方面，未來的技術(shù)發(fā)展將集中在系統(tǒng)集成化方面。它將互連、轉(zhuǎn)換、復(fù)制、調(diào)度、監(jiān)控納入標(biāo)準(zhǔn)化的統(tǒng)一管理，以適應(yīng)數(shù)據(jù)倉(cāng)庫本身或數(shù)據(jù)源可能的變化，使系統(tǒng)更便于管理和維護(hù)。在數(shù)據(jù)管理方面，未來的發(fā)展將使數(shù)據(jù)庫廠商明確推出數(shù)據(jù)倉(cāng)庫引擎，作為數(shù)據(jù)倉(cāng)庫服務(wù)器產(chǎn)品與數(shù)據(jù)庫服務(wù)器并駕齊驅(qū)。在這一方面，帶有決策支持?jǐn)U展的并行關(guān)系數(shù)據(jù)庫將最具發(fā)展?jié)摿?。在?shù)據(jù)表現(xiàn)方面，數(shù)理統(tǒng)計(jì)的算法和功能將普遍集成到聯(lián)機(jī)分析產(chǎn)品中，并與Internet/Web技術(shù)緊密結(jié)合。

6、按行業(yè)應(yīng)用特征細(xì)化的數(shù)據(jù)倉(cāng)庫用戶前端軟件將成為產(chǎn)品作為數(shù)據(jù)倉(cāng)庫解決方案的一部分。數(shù)據(jù)倉(cāng)庫實(shí)現(xiàn)過程的方法論將更加普與，將成為數(shù)據(jù)庫設(shè)計(jì)的一個(gè)明確分支，成為管理信息系統(tǒng)設(shè)計(jì)的必備。 14. 答： （1）IBM公司提供了一套基于可視化數(shù)據(jù)倉(cāng)庫的商業(yè)智能（BI）解決方案，包括：Visual Warehouse（VW）、Essbase/DB2 OLAP Server 5.0、IBM DB2 UDB，以與來自第三方的前端數(shù)據(jù)展現(xiàn)工具（如BO）和數(shù)據(jù)挖掘工具（如SAS）。其中，VW是一個(gè)功能很強(qiáng)的集成環(huán)境，既可用于數(shù)據(jù)倉(cāng)庫建模和元數(shù)據(jù)管理，又可用于數(shù)據(jù)抽取、轉(zhuǎn)換、裝載和調(diào)度。Essbase/DB2 OLAP

7、 Server支持“維”的定義和數(shù)據(jù)裝載。Essbase/DB2 OLAP Server不是ROLAP（Relational OLAP）服務(wù)器，而是一個(gè)（ROLAP和MOLAP）混合的HOLAP服務(wù)器，在Essbase完成數(shù)據(jù)裝載后，數(shù)據(jù)存放在系統(tǒng)指定的DB2 UDB數(shù)據(jù)庫中。它的前端數(shù)據(jù)展現(xiàn)工具可以選擇Business Objects的BO、Lotus的Approach、Cognos的Impromptu或IBM的Query Management Facility；多維分析工具支持Arbor Software的Essbase和IBM（與Arbor聯(lián)合開發(fā)）的DB2 OLAP服務(wù)器；統(tǒng)計(jì)分析工具

8、采用SAS系統(tǒng)。 （2）Oracle數(shù)據(jù)倉(cāng)庫解決方案主要包括Oracle Express和Oracle Discoverer兩個(gè)部分。Oracle Express由四個(gè)工具組成：Oracle Express Server是一個(gè)MOLAP(多維OLAP)服務(wù)器，它利用多維模型，存儲(chǔ)和管理多維數(shù)據(jù)庫或多維高速緩存，同時(shí)也能夠訪問多種關(guān)系數(shù)據(jù)庫；Oracle Express Web Agent通過CGI或Web插件支持基于Web的動(dòng)態(tài)多維數(shù)據(jù)展現(xiàn)；Oracle Express Objects前端數(shù)據(jù)分析工具（目前僅支持Windows平臺(tái)）提供了圖形化建模和假設(shè)分析功能，支持可視化開發(fā)和事件驅(qū)動(dòng)編程技

9、術(shù)，提供了兼容Visual Basic語法的語言，支持OCX和OLE；Oracle Express Analyzer是通用的、面向最終用戶的報(bào)告和分析工具（目前僅支持Windows平臺(tái)）。Oracle Discoverer即席查詢工具是專門為最終用戶設(shè)計(jì)的，分為最終用戶版和管理員版。 在Oracle數(shù)據(jù)倉(cāng)庫解決方案的實(shí)施過程中，通常把匯總數(shù)據(jù)存儲(chǔ)在Express多維數(shù)據(jù)庫中，而將詳細(xì)數(shù)據(jù)存儲(chǔ)在Oracle關(guān)系數(shù)據(jù)庫中，當(dāng)需要詳細(xì)數(shù)據(jù)時(shí)，Express Server通過構(gòu)造SQL語句訪問關(guān)系數(shù)據(jù)庫。 （3）Microsoft將OLAP功能集成到SQL Server數(shù)據(jù)庫中，其解決方案包括BI平臺(tái)

10、、BI終端工具、BI門戶和BI應(yīng)用四個(gè)部分，如圖1.1。 BI平臺(tái)是BI解決方案的基礎(chǔ)，包括ETL平臺(tái)SQL Server 2005 Integration Service(SSIS)、數(shù)據(jù)倉(cāng)庫引擎SQL Server 2005 RDBMS以與多維分析和數(shù)據(jù)挖掘引擎SQL Server 2005 Analysis Service、報(bào)表管理引擎SQL Server 2005 Reporting Service。 BI終端用戶工具，用戶通過終端用戶工具和Analysis Service中的OLAP服務(wù)和數(shù)據(jù)挖掘服務(wù)進(jìn)行交互來使用多維數(shù)據(jù)集和數(shù)據(jù)挖掘模型，終端用戶通常可使用預(yù)定義報(bào)表、交互式多維分析

11、、即席查詢、數(shù)據(jù)可視化、數(shù)據(jù)挖掘等多種方法。 BI門戶提供了各種不同用戶訪問BI信息的統(tǒng)一入口。BI門戶是一個(gè)數(shù)據(jù)的匯集地，集成了來自不同系統(tǒng)的相關(guān)信息。用戶可以制定個(gè)性化的個(gè)人門戶，選擇和自己相關(guān)性最強(qiáng)的數(shù)據(jù)，提高信息訪問和使用的效率。 BI應(yīng)用是建立在BI平臺(tái)、BI終端用戶工具和BI統(tǒng)一門戶這些公共技術(shù)手段之上的滿足某個(gè)特定業(yè)務(wù)需求的應(yīng)用，例如零售業(yè)務(wù)分析、企業(yè)項(xiàng)目管理組合分析等。 第2章 數(shù)據(jù)倉(cāng)庫的數(shù)據(jù)存儲(chǔ)與處理1. 企業(yè)級(jí)數(shù)據(jù)倉(cāng)庫（EDW）。 2. 單一的，詳細(xì)的。 3. 最初填充數(shù)據(jù)倉(cāng)庫。 4. 越高，越低，越多。 5. 提高，預(yù)處理，事實(shí)表。 6. 自然鍵（Natural Key）

12、，代理鍵（Surrogate Key）。 7. 星型模式。 8. 早期細(xì)節(jié)級(jí)，輕度綜合級(jí)。 9. 答： 簡(jiǎn)單地說，數(shù)據(jù)是從企業(yè)外部的各業(yè)務(wù)處理系統(tǒng)（操作型數(shù)據(jù)）流向企業(yè)級(jí)數(shù)據(jù)倉(cāng)庫（EDW）或操作型數(shù)據(jù)存儲(chǔ)區(qū)(ODS)，在這個(gè)過程中，要根據(jù)企業(yè)（或其他組織）的數(shù)據(jù)模型和元數(shù)據(jù)庫對(duì)數(shù)據(jù)進(jìn)行調(diào)和處理，形成一個(gè)中間數(shù)據(jù)層，然后再根據(jù)分析需求，從調(diào)和數(shù)據(jù)層（EDW、ODS）將數(shù)據(jù)引入導(dǎo)出數(shù)據(jù)層，如形成滿足各類分析需求的數(shù)據(jù)集市。 10. 答： 數(shù)據(jù)的ETL過程就是負(fù)責(zé)將操作型數(shù)據(jù)轉(zhuǎn)換成調(diào)和數(shù)據(jù)的過程。如上面的2.3.1小節(jié)所述，這兩種數(shù)據(jù)具有明顯的區(qū)別，因此，數(shù)據(jù)調(diào)和是構(gòu)建一個(gè)數(shù)據(jù)倉(cāng)庫中最難的和最具技術(shù)

13、挑戰(zhàn)性的部分。在為企業(yè)級(jí)數(shù)據(jù)倉(cāng)庫填充數(shù)據(jù)的過程中，數(shù)據(jù)調(diào)和可分為兩個(gè)階段：一是企業(yè)級(jí)數(shù)據(jù)倉(cāng)庫（EDW）首次創(chuàng)建時(shí)的原始加載；二是接下來的定期修改，以保持EDW的當(dāng)前有效性和擴(kuò)展性。 整個(gè)過程由四個(gè)步驟組成：抽取、清洗、轉(zhuǎn)換、加載和索引。事實(shí)上，這些步驟可以進(jìn)行不同的組合，如，可以將數(shù)據(jù)抽取與清洗組合為一個(gè)過程，或者將清洗和轉(zhuǎn)換組合在一起。通常，在清洗過程中發(fā)現(xiàn)的拒絕數(shù)據(jù)信息會(huì)送回到源操作型業(yè)務(wù)系統(tǒng)中，然后將數(shù)據(jù)在源系統(tǒng)中加以處理，以便在以后重新抽取。 11. 答： 在星模式中，事實(shí)表居中，多個(gè)維表呈輻射狀分布于其四周，并與事實(shí)表連接。位于星形中心的實(shí)體是事實(shí)表，是用戶最關(guān)心的基本實(shí)體和查詢活動(dòng)

14、的中心，為數(shù)據(jù)倉(cāng)庫的查詢活動(dòng)提供定量數(shù)據(jù)。位于星模式四周的實(shí)體是維度實(shí)體，其作用是限制和過濾用戶的查詢結(jié)果，縮小訪問圍。每個(gè)維表都有自己的屬性，維表和事實(shí)表通過關(guān)鍵字相關(guān)聯(lián)。 12. 答： 因?yàn)閿?shù)據(jù)倉(cāng)庫或數(shù)據(jù)集市的數(shù)據(jù)總是歷史的數(shù)據(jù)，需要時(shí)間維來區(qū)別。 第3章 數(shù)據(jù)倉(cāng)庫系統(tǒng)的設(shè)計(jì)與開發(fā) 1. 在線分析處理(OLAP) 分析。 2. 信息包圖法，維度，類別，度量。 3. 邏輯模型。 4. 事務(wù)事實(shí)，快照事實(shí)，線性項(xiàng)目事實(shí)。 5. 聚合。 6. 時(shí)間，區(qū)域。 7. 退化維。 8. 無變化，緩慢變化，劇烈變化。 9. 索引。 10. 反向規(guī)化，引入冗余。 11. 答： 信息包圖法，也叫用戶信息需求表

15、，就是在一平面表格上描述元素的多維性，其中的每一個(gè)維度用平面表格的一列表示，通常的維度如時(shí)間、地點(diǎn)、產(chǎn)品和顧客等；而細(xì)化本列的對(duì)象就是類別，例如時(shí)間維度的類別可以細(xì)化到年、月、日，甚至小時(shí)；平面表格的最后一行（代表超立方體中的單元格）即為指標(biāo)度量值，例如，某年在某銷售點(diǎn)的某類產(chǎn)品的實(shí)際銷售額。創(chuàng)建信息包圖時(shí)需要確定最高層和最低層的信息需求，以便最終設(shè)計(jì)出包含各個(gè)層次需要的數(shù)據(jù)倉(cāng)庫 總之，信息包圖法是一種自上而下的數(shù)據(jù)建模方法，即從用戶的觀點(diǎn)開始設(shè)計(jì)（用戶的觀點(diǎn)是通過與用戶交流得到的），站在管理者的角度把焦點(diǎn)集中在企業(yè)的一個(gè)或幾個(gè)主題上，著重分析主題所涉與數(shù)據(jù)的多維特性，這種自上而下的方法幾乎考

16、慮了所有的信息源，以與這些信息源影響業(yè)務(wù)活動(dòng)的方式。 12. 答： 收集、分析和確認(rèn)業(yè)務(wù)分析需求，分析和理解主題和元數(shù)據(jù)、事實(shí)與其量度、粒度和維度的選擇與設(shè)計(jì)、數(shù)據(jù)倉(cāng)庫的物理存儲(chǔ)方式的設(shè)計(jì)等。 13. 答： （1）收集和分析業(yè)務(wù)需求； （2）建立數(shù)據(jù)模型和數(shù)據(jù)倉(cāng)庫的物理設(shè)計(jì)； （3）定義數(shù)據(jù)源； （4）選擇數(shù)據(jù)倉(cāng)庫技術(shù)和平臺(tái)； （5）從操作型數(shù)據(jù)庫中抽取、清洗與轉(zhuǎn)換數(shù)據(jù)到數(shù)據(jù)倉(cāng)庫； （6）選擇訪問和報(bào)表工具，選擇數(shù)據(jù)庫連接軟件，選擇數(shù)據(jù)分析和數(shù)據(jù)展示軟件； （7）更新數(shù)據(jù)倉(cāng)庫。 14. 答：參考3.3節(jié)的過程。 第4章 關(guān)聯(lián)規(guī)則 1. apriori，fp-growth，fp-growth。

17、2. abcabdacd，abcabd。 3. abc，ac。 4. 答： 關(guān)聯(lián)規(guī)則挖掘最初由R.Agrawal等人提出，用來發(fā)現(xiàn)超級(jí)市場(chǎng)中用戶購(gòu)買的商品之間的隱含關(guān)聯(lián)關(guān)系，并用規(guī)則的形式表示出來，稱為關(guān)聯(lián)規(guī)則(Association Rule)。 關(guān)聯(lián)規(guī)則除了可以發(fā)現(xiàn)超市購(gòu)物中隱含的關(guān)聯(lián)關(guān)系之外，還可以應(yīng)用于其他很多領(lǐng)域。關(guān)聯(lián)規(guī)則的應(yīng)用還包括文本挖掘、商品廣告郵寄分析、網(wǎng)絡(luò)故障分析等。 5. 答： 關(guān)聯(lián)規(guī)則的分類： （1）基于規(guī)則中涉與到的數(shù)據(jù)的維數(shù)，關(guān)聯(lián)規(guī)則可以分為單維的和多維的。 （2）基于規(guī)則中數(shù)據(jù)的抽象層次，可以分為單層關(guān)聯(lián)規(guī)則和多層關(guān)聯(lián)規(guī)則。 （3）基于規(guī)則中處理的變量的類型不同，

18、關(guān)聯(lián)規(guī)則可以分為布爾型和數(shù)值型。 關(guān)聯(lián)規(guī)則挖掘的步驟： （1）找出交易數(shù)據(jù)庫中所有大于或等于用戶指定的最小支持度的頻繁項(xiàng)集； （2）利用頻繁項(xiàng)集生成所需要的關(guān)聯(lián)規(guī)則，根據(jù)用戶設(shè)定的最小可信度進(jìn)行取舍，產(chǎn)生強(qiáng)關(guān)聯(lián)規(guī)則。 6. 答：規(guī)則：c=>a，a=>c。 7. 答： 第5章 數(shù)據(jù)分類 1. 獲取數(shù)據(jù)，預(yù)處理，分類器設(shè)計(jì)，分類決策。 2. 劃分?jǐn)?shù)據(jù)集，分類器構(gòu)造，分類器測(cè)試。 3. 精確度，查全率和查準(zhǔn)率，F(xiàn)-measure，幾何均值。 4. 多項(xiàng)式核函數(shù)，徑向基核函數(shù)，S型核函數(shù)。 5. 答： 分類是指把數(shù)據(jù)樣本映射到一個(gè)事先定義的類中的學(xué)習(xí)過程，即給定一組輸入的屬性向量與其對(duì)應(yīng)的

19、類，用基于歸納的學(xué)習(xí)算法得出分類。 分類問題是數(shù)據(jù)挖掘領(lǐng)域中研究和應(yīng)用最為廣泛的技術(shù)之一，許多分類算法被包含在統(tǒng)計(jì)分析工具的軟件包中，作為專門的分類工具來使用。分類問題在商業(yè)、銀行業(yè)、醫(yī)療診斷、生物學(xué)、文本挖掘、因特網(wǎng)篩選等領(lǐng)域都有廣泛應(yīng)用。例如，在銀行業(yè)中，分類方法可以輔助工作人員將正常信用卡用戶和欺詐信用卡用戶進(jìn)行分類，從而采取有效措施減小銀行的損失；在醫(yī)療診斷中，分類方法可以幫助醫(yī)療人員將正常細(xì)胞和癌變細(xì)胞進(jìn)行分類，從而與時(shí)制定救治方案，挽救病人的生命；在因特網(wǎng)篩選中，分類方法可以協(xié)助網(wǎng)絡(luò)工作人員將正常和垃圾進(jìn)行分類，從而制定有效的垃圾過濾機(jī)制，防止垃圾干擾人們的正常生活。 6. 答：求

20、解過程請(qǐng)參考例5.1。 7. 答： 計(jì)算x與x1x7的歐氏距離，可以知道x的最近鄰是x4，x的前3個(gè)近鄰是x4，x1，x2，所以，利用最近鄰分類方法對(duì)x進(jìn)行分類時(shí)x的類標(biāo)號(hào)是y=-1，利用k-近鄰分類方法（k=3）對(duì)x進(jìn)行分類時(shí)x的類標(biāo)號(hào)是y=+1。 第6章 數(shù)據(jù)聚類 1. 連續(xù)型，二值離散型，多值離散型，混合類型。 2. 歐氏距離，曼哈頓距離，明考斯基距離。 3. 選定某種距離作為數(shù)據(jù)樣本間的相似性度量，選擇評(píng)價(jià)聚類性能的準(zhǔn)則函數(shù)，選擇某個(gè)初始分類，之后用迭代的方法得到聚類結(jié)果，使得評(píng)價(jià)聚類的準(zhǔn)則函數(shù)取得最優(yōu)值。 4. 凝聚型層次聚類，分解型層次聚類。 5. 答： 聚類分析是將物理的或者抽象

21、的數(shù)據(jù)集合劃分為多個(gè)類別的過程，聚類之后的每個(gè)類別中任意兩個(gè)數(shù)據(jù)樣本之間具有較高的相似度，而不同類別的數(shù)據(jù)樣本之間具有較低的相似度。 聚類分析是數(shù)據(jù)挖掘應(yīng)用的主要技術(shù)之一，它可以作為一個(gè)獨(dú)立的工具來使用，將未知類標(biāo)號(hào)的數(shù)據(jù)集劃分為多個(gè)類別之后，觀察每個(gè)類別中數(shù)據(jù)樣本的特點(diǎn)，并且對(duì)某些特定的類別作進(jìn)一步的分析。此外，聚類分析還可以作為其他數(shù)據(jù)挖掘技術(shù)（例如分類學(xué)習(xí)、關(guān)聯(lián)規(guī)則挖掘等）的預(yù)處理工作。聚類分析在科學(xué)數(shù)據(jù)分析、商業(yè)、生物學(xué)、醫(yī)療診斷、文本挖掘、Web數(shù)據(jù)挖掘等領(lǐng)域都有廣泛應(yīng)用。在科學(xué)數(shù)據(jù)分析中，比如對(duì)于衛(wèi)星遙感照片，聚類可以將相似的區(qū)域歸類，有助于研究人員根據(jù)具體情況做進(jìn)一步分析；在商業(yè)

22、領(lǐng)域，聚類可以幫助市場(chǎng)分析人員對(duì)客戶的基本數(shù)據(jù)進(jìn)行分析，發(fā)現(xiàn)購(gòu)買模式不同的客戶群，從而協(xié)助市場(chǎng)調(diào)整銷售計(jì)劃；在生物學(xué)方面，聚類可以幫助研究人員按照基因的相似度對(duì)動(dòng)物和植物的種群進(jìn)行劃分，從而獲得對(duì)種群中固有結(jié)構(gòu)的認(rèn)識(shí)；在醫(yī)療診斷中，聚類可以對(duì)細(xì)胞進(jìn)行歸類，有助于醫(yī)療人員發(fā)現(xiàn)異常細(xì)胞的聚類，從而對(duì)病人與時(shí)采取措施；在文本挖掘和Web數(shù)據(jù)挖掘領(lǐng)域中，聚類可以將數(shù)據(jù)按照讀者的興趣度進(jìn)行劃分，從而有助于容的改進(jìn)。 6. 答：參考圖6.1。 7. 答：參考6.4.2節(jié)的步驟。 8. 答：根據(jù)給定的數(shù)據(jù)集，設(shè)定數(shù)據(jù)樣本之間的距離采用歐氏距離，聚類集合之間的相似性度量采用最小距離，聚類結(jié)果如下圖所示。 第7章 貝葉斯網(wǎng)絡(luò) 1. 答： 由SA發(fā)生得知，HO發(fā)生/不發(fā)生的概率