數(shù)據(jù)倉庫測驗(yàn)集

1、一、選擇填空.數(shù)據(jù)倉庫的特點(diǎn)分別是 面向主題、集成、相對穩(wěn)定、反映歷史變化。、 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(xì)節(jié)程度越高，綜合程度越低，回答查詢的種類越多。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。 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。在數(shù)據(jù)挖掘的分析方法中，直接數(shù)據(jù)挖掘包括（ACD ）A分類 B 關(guān)聯(lián) C 估值 D 預(yù)言數(shù)據(jù)倉庫的數(shù)據(jù)ETL過程中，ETL軟件的主要功能包括（ABC）A數(shù)據(jù)抽取 B 數(shù)據(jù)轉(zhuǎn)換 C 數(shù)據(jù)加載 D 數(shù)據(jù)稽核數(shù)據(jù)分類的評價準(zhǔn)則包括（ABCD ）A精確度 B 查全率和查準(zhǔn)率 C F

2、-Measure D幾何均值層次聚類方法包括（BC ）A劃分聚類方法B凝聚型層次聚類方法 C分解型層次聚類方法 D基于密 度聚類方法貝葉斯網(wǎng)絡(luò)由兩部分組成，分別是（A D ）A網(wǎng)絡(luò)結(jié)構(gòu) B 先驗(yàn)概率 C后驗(yàn)概率 D 條件概率表置信度（confidence）是衡量興趣度度量（A ）的指標(biāo)。A、簡潔性B、確定性C、實(shí)用性D新穎性關(guān)于OLAF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(diǎn)在于事務(wù)量大，但事務(wù)內(nèi)容比較簡單且重復(fù)率高.D. O

3、LAP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-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簡單地將數(shù)據(jù)對象集劃分成不重疊的子集，使得每個數(shù)據(jù)對象恰在一個子集中， 這種聚類類型稱作（B ）A、層次聚類 B 、劃分聚類 C 、非互斥聚類 D 、模糊聚類將原始數(shù)據(jù)進(jìn)行集成、變換、維度規(guī)約、數(shù)值規(guī)約是在以下哪個步驟的任務(wù)？ （C） A.頻繁模式挖掘 B. 分類和預(yù)測 C. 數(shù)據(jù)預(yù)處理 D. 數(shù)據(jù)流 挖掘?yàn)閿?shù)據(jù)的總體分布建模；把多維空間劃分成組等問題屬于數(shù)據(jù)挖掘的哪一類任務(wù)？（B）A.探索性數(shù)據(jù)分析B. 建模描述C.預(yù)測建模D.尋找模式和規(guī)則6. 在數(shù)據(jù)挖掘的分析方法中，直接數(shù)據(jù)挖掘包括

4、（ ACD ） A分類 B 關(guān)聯(lián) C 估值 D 預(yù)言7. 數(shù)據(jù)倉庫的數(shù)據(jù)ETL過程中，ETL軟件的主要功能包括（ABC）A數(shù)據(jù)抽取 B 數(shù)據(jù)轉(zhuǎn)換 C 數(shù)據(jù)加載 D 數(shù)據(jù)稽核8. 數(shù)據(jù)分類的評價準(zhǔn)則包括（ABCDA精確度 B 查全率和查準(zhǔn)率 C F-Measure D幾何均值9. 層次聚類方法包括（ BC ）A 劃分聚類方法 B 凝聚型層次聚類方法 C 分解型層次聚類方法 D 基于密 度聚類方法10. 貝葉斯網(wǎng)絡(luò)由兩部分組成，分別是（ A D ）A 網(wǎng)絡(luò)結(jié)構(gòu) B 先驗(yàn)概率 C 后驗(yàn)概率 D 條件概率表二、判斷題1. 數(shù)據(jù)挖掘的主要任務(wù)是從數(shù)據(jù)中發(fā)現(xiàn)潛在的規(guī)則，從而能更好的完成描述數(shù) 據(jù)、預(yù)測數(shù)據(jù)

5、等任務(wù)。 （ 對）2. 數(shù)據(jù)挖掘的目標(biāo)不在于數(shù)據(jù)采集策略，而在于對于已經(jīng)存在的數(shù)據(jù)進(jìn)行模式 的發(fā)掘。（對） 3. 圖挖掘技術(shù)在社會網(wǎng)絡(luò)分析中扮演了重要的角色。 （對）4. 模式為對數(shù)據(jù)集的全局性總結(jié)，它對整個測量空間的每一點(diǎn)做出描述；模型 則對變量變化空間的一個有限區(qū)域做出描述。 （錯）5. 尋找模式和規(guī)則主要是對數(shù)據(jù)進(jìn)行干擾，使其符合某種規(guī)則以及模式。 （錯）6. 離群點(diǎn)可以是合法的數(shù)據(jù)對象或者值。（對）7. 離散屬性總是具有有限個值。（錯）8. 噪聲和偽像是數(shù)據(jù)錯誤這一相同表述的兩種叫法。 （錯）9. 用于分類的離散化方法之間的根本區(qū)別在于是否使用類信息。 （對）10. 特征提取技術(shù)并不依

6、賴于特定的領(lǐng)域。 （錯）11. 序列數(shù)據(jù)沒有時間戳。 （對）12. 定量屬性可以是整數(shù)值或者是連續(xù)值。 （對）13. 可視化技術(shù)對于分析的數(shù)據(jù)類型通常不是專用性的。 （錯）14. DSS 主要是基于數(shù)據(jù)倉庫 . 聯(lián)機(jī)數(shù)據(jù)分析和數(shù)據(jù)挖掘技術(shù)的應(yīng)用。 （對）15. OLAP 技術(shù)側(cè)重于把數(shù)據(jù)庫中的數(shù)據(jù)進(jìn)行分析、轉(zhuǎn)換成輔助決策信息，是繼 數(shù)據(jù)庫技術(shù)發(fā)展之后迅猛發(fā)展起來的一種新技術(shù)。 （對）16. 商業(yè)智能系統(tǒng)與一般交易系統(tǒng)之間在系統(tǒng)設(shè)計(jì)上的主要區(qū)別在于： 后者把結(jié) 構(gòu)強(qiáng)加于商務(wù)之上， 一旦系統(tǒng)設(shè)計(jì)完畢， 其程序和規(guī)則不會輕易改變； 而前者則 是一個學(xué)習(xí)型系統(tǒng)，能自動適應(yīng)商務(wù)不斷變化的要求。 （對）1

7、7. 數(shù)據(jù)倉庫中間層OLAP服務(wù)器只能采用關(guān)系型 OLAP（錯）18數(shù)據(jù)倉庫系統(tǒng)的組成部分包括數(shù)據(jù)倉庫，倉庫管理，數(shù)據(jù)抽取，分析工具等 四個部分 . （ 錯）19. Web 數(shù)據(jù)挖掘是通過數(shù)據(jù)庫仲的一些屬性來預(yù)測另一個屬性 , 它在驗(yàn)證用戶 提出的假設(shè)過程中提取信息 .（錯）21. 關(guān)聯(lián)規(guī)則挖掘過程是發(fā)現(xiàn)滿足最小支持度的所有項(xiàng)集代表的規(guī)則。 （錯）22. 利用先驗(yàn)原理可以幫助減少頻繁項(xiàng)集產(chǎn)生時需要探查的候選項(xiàng)個數(shù)（對） 。23. 先驗(yàn)原理可以表述為： 如果一個項(xiàng)集是頻繁的， 那包含它的所有項(xiàng)集也是頻 繁的。（錯24. 如果規(guī)則 不滿足置信度閾值， 則形如 的規(guī)則一定也不滿足置信度閾值， 其 中

8、 是 X 的子集。（對）25. 具有較高的支持度的項(xiàng)集具有較高的置信度。 （錯）26. 聚類（ clustering ）是這樣的過程： 它找出描述并區(qū)分?jǐn)?shù)據(jù)類或概念的模型（ 或函數(shù) ） ，以便能夠使用模型預(yù)測類標(biāo)記未知的對象類。 （錯）27. 分類和回歸都可用于預(yù)測， 分類的輸出是離散的類別值， 而回歸的輸出是連 續(xù)數(shù)值。 （ 對）28. 對于SV附類算法，待分樣本集中的大部分樣本不是支持向量， 移去或者減少這些樣本對分類結(jié)果沒有影響。（對）29. Bayes法是一種在已知后驗(yàn)概率與類條件概率的情況下的模式分類方法，待分樣本的分類結(jié)果取決于各類域中樣本的全體。（錯）30. 分類模型的誤差大致分

9、為兩種：訓(xùn)練誤差（training error）和泛化誤差（generalization error）.（ 對）31. 在決策樹中，隨著樹中結(jié)點(diǎn)數(shù)變得太大，即使模型的訓(xùn)練誤差還在繼續(xù)減低，但是檢驗(yàn)誤差開始增大，這是出現(xiàn)了模型擬合不足的問題。（錯）32. SVM是這樣一個分類器，他尋找具有最小邊緣的超平面，因此它也經(jīng)常被稱為最小邊緣分類器（ minimal margin classifier ）（ 錯）33. 在聚類分析當(dāng)中，簇內(nèi)的相似性越大，簇間的差別越大，聚類的效果就越差。 （錯34. 聚類分析可以看作是一種非監(jiān)督的分類。（對）35. K均值是一種產(chǎn)生劃分聚類的基于密度的聚類算法，簇的個數(shù)由

10、算法自動地 確定。（錯36. 給定由兩次運(yùn)行K均值產(chǎn)生的兩個不同的簇集，誤差的平方和最大的那個應(yīng) 該被視為較優(yōu)。（錯37. 基于鄰近度的離群點(diǎn)檢測方法不能處理具有不同密度區(qū)域的數(shù)據(jù)集。（對）38. 如果一個對象不強(qiáng)屬于任何簇，那么該對象是基于聚類的離群點(diǎn)。（對）39. 從點(diǎn)作為個體簇開始，每一步合并兩個最接近的簇，這是一種分裂的層次聚 類方法。（錯）40. DBSCA是相對抗噪聲的，并且能夠處理任意形狀和大小的簇。（對）三、計(jì)算題1. 一個食品連鎖店每周的事務(wù)記錄如下表所示，其中每一條事務(wù)表示在一項(xiàng)收款機(jī)業(yè)務(wù)中賣出的項(xiàng)目，假定 supmin=40% conf min=40%使用AprioN 算

11、法計(jì)算生成的關(guān)聯(lián)規(guī)則，標(biāo)明每趟數(shù)據(jù)庫掃描時的候選集和大項(xiàng)目集。（15分）事務(wù)項(xiàng)目事務(wù)項(xiàng)目T1面包、果凍、花生醬T4啤酒、面包T2面包、花生醬T5啤酒、牛奶T3面包、牛奶、花生醬解：（1）由1=面包、果凍、花生醬、牛奶、啤酒的所有項(xiàng)目直接產(chǎn)生1-候選G，計(jì)算其支持度，取出支持度小于 supmin的項(xiàng)集，形成1-頻繁集L1,如下表所示：項(xiàng)集C1支持度項(xiàng)集L1支持度面包4/5面包4/5花生醬3/5花生醬3/5牛奶2/5牛奶2/5啤酒2/5啤酒2/5所以，con fide nee(面包 -花生醬)=(4/5 ) / (3/5 ) =4/3 confmin(2)組合連接Li中的各項(xiàng)目，產(chǎn)生2-候選集C2

12、,計(jì)算其支持度，取出支持度小于supmin的項(xiàng)集，形成2-頻繁集L2,如下表所示:項(xiàng)集C2支持度項(xiàng)集L2支持度面包、花生醬3/5面包、花生醬3/5至此，所有頻繁集都被找到，算法結(jié)束,con fide nee (花生醬 面包) = (3/5 ) / (4/5 ) =3/4 conf min所以，關(guān)聯(lián)規(guī)則面包花生醬、花生醬 面包均是強(qiáng)關(guān)聯(lián)規(guī)則2. 給定以下數(shù)據(jù)集(2，4，10，12，15，3，21)，進(jìn)行K-Means聚類，設(shè)定聚 類數(shù)為2個，相似度按照歐式距離計(jì)算。(15分)解：(1)從數(shù)據(jù)集X中隨機(jī)地選擇k個數(shù)據(jù)樣本作為聚類的出示代表點(diǎn)，每一個代表點(diǎn)表示一個類別，由題可知 k=2，則可設(shè)m仁2

13、 m2=4(2) 對于X中的任意數(shù)據(jù)樣本xm (1xmtotal )，計(jì)算它與k個初始代表點(diǎn)的 距離，并且將它劃分到距離最近的初始代表點(diǎn)所表示的類別中：當(dāng) m仁2時，樣 本(2，4, 10，12, 15, 3, 21)距離該代表點(diǎn)的距離分別為 2, 8, 10，13, 1,19。當(dāng)m2=4時，樣本(2 , 4, 10, 12, 15, 3, 21)距離該代表點(diǎn)的距離分別為-2 , 6, 8, 11, -1 , 17。最小距離是1或者-1將該元素放入m仁2的聚類中，則該聚類為(2, 3),另一 個聚類 口2=4為(4, 10, 12, 15, 21)。(3) 完成數(shù)據(jù)樣本的劃分之后，對于每一個聚

14、類，計(jì)算其中所有數(shù)據(jù)樣本的均值，并且將其作為該聚類的新的代表點(diǎn)，由此得到k個均值代表點(diǎn)：m仁2.5,m2=12(4) 對于X中的任意數(shù)據(jù)樣本xm (1xmtotal ),計(jì)算它與k個初始代表點(diǎn)的 距離，并且將它劃分到距離最近的初始代表點(diǎn)所表示的類別中：當(dāng) m1=2.5 時， 樣本（2 ，4，10，12，15，3，21）距離該代表點(diǎn)的距離分別為 -0.5 ，0.5 ，1.5 ， 7.5 ，9.5 ，12.5 ，18.5 。當(dāng)m2=12時，樣本（2 ,4, 10, 12, 15, 3, 21）距離該代表點(diǎn)的距離分別為-10, -9 ， -8 ， 2， 3， 9。最小距離是1.5將該元素放入m1=2

15、.5的聚類中，則該聚類為（2, 3, 4）,另一 個聚類 口2=12為（10, 12, 15, 21）。（5）完成數(shù)據(jù)樣本的劃分之后，對于每一個聚類，計(jì)算其中所有數(shù)據(jù)樣本的均 值,并且將其作為該聚類的新的代表點(diǎn),由此得到 k 個均值代表點(diǎn)： m1=3, m2=14.5：（6） 對于X中的任意數(shù)據(jù)樣本xm （1xm0=0=P(X|senior)P(senior)；所以：樸素貝葉斯分類器將 X 分到 junior 類。 解二：設(shè)元組的各屬性之間不獨(dú)立，其聯(lián)合概率不能寫成份量相乘的形式。所以已知：X=(department=system,age=26 30,salary=46K 50K)，元組總數(shù)

16、為： 30+40+40+20+5+3+3+10+4+4+6=16。5 先驗(yàn)概率：當(dāng) status=senior 時，元組總數(shù)為： 30+5+3+10+4=52， P(senior)=52/165=0.32；當(dāng) status=junior 時 ， 元 組 總 數(shù) 為 ： 40+40+20+3+4+6=113 ， P(junior)=113/165=0.68；因?yàn)閟tatus=senior 狀態(tài)沒有對應(yīng)的age=2630區(qū)間，所以：P(X|senior)=0 ； 因?yàn)?status=junior 狀態(tài)對應(yīng)的 partment=systems、age=2630 區(qū)間的總元 組數(shù)為： 3，所以： P(

17、X|junior)=3/113；因 為 ： P(X|ju ni or)P(ju nior)=3/113X 113/165=0.0180=P(X|senior)P(senior) ；所以：樸素貝葉斯分類器將 X 分到 junior 類。四、簡答論述題 三種規(guī)范化方法：(1) 最小最大規(guī)范化( min-max 規(guī)范化)：對原始數(shù)據(jù)進(jìn)行線性變換，將原始 數(shù)據(jù)映射到一個指定的區(qū)間。(2) z-score 規(guī)范化(零均值規(guī)范化) ：將某組數(shù)據(jù)的值基于它的均值和標(biāo)準(zhǔn)差 規(guī)范化，是其規(guī)范化后的均值為 0 方差為 1。, 其中 是均值， 是標(biāo)準(zhǔn)差(3) 小數(shù)定標(biāo)規(guī)范化：通過移動屬性 A 的小數(shù)點(diǎn)位置進(jìn)行規(guī)范化

18、。k-means 聚類算法基本原理 ：將各個聚類子集內(nèi)的所有數(shù)據(jù)樣本的均值作為該聚 類的代表點(diǎn)， 算法的主要思想是通過迭代過程把數(shù)據(jù)劃分為不同的類別， 使得評 價聚集類性能的準(zhǔn)則函數(shù)達(dá)到最優(yōu)， 從而使生成的每個聚集類的緊湊， 類間獨(dú)立。 操作步驟：輸入：數(shù)據(jù)集 , 其中的數(shù)據(jù)樣本只包含描述屬性，不包含類別屬性。聚類個數(shù) K 輸出：(1)從數(shù)據(jù)集X中隨機(jī)地選擇k個數(shù)據(jù)樣本作為聚類的出示代表點(diǎn)，每一個代 表點(diǎn)表示一個類別( 2)對于 X 中的任意數(shù)據(jù)樣本 xm( 1xmtotal )，計(jì)算它與 k 個初始代表點(diǎn)的 距離，并且將它劃分到距離最近的初始代表點(diǎn)所表示的類別中(3) 完成數(shù)據(jù)樣本的劃分之后

19、，對于每一個聚類，計(jì)算其中所有數(shù)據(jù)樣本的均值，并且將其作為該聚類的新的代表點(diǎn)，由此得到 k個均值代表點(diǎn)( 4)對于 X 中的任意數(shù)據(jù)樣本 xm( 1xmtotal )，計(jì)算它與 k 個均值代表點(diǎn)的距離，并且將它劃分到距離最近的均值代表點(diǎn)所表示的類別中( 5)重復(fù) 3.4 ，直到各個聚類不再發(fā)生變化為止。即誤差平方和準(zhǔn)則函數(shù)的值 達(dá)到最優(yōu)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(yàn)知識和用戶自定義參數(shù)的依

20、賴性；處理噪聲數(shù)據(jù)的能力；可解釋性和實(shí)用性3、數(shù)據(jù)倉庫在存儲和管理方面的特點(diǎn)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(bào)表為主以分析為主以預(yù)測模型

21、為主以運(yùn)行向?qū)橹饕詫?shí)時數(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(diǎn)？ P116（1）ID3算法在選擇根結(jié)點(diǎn)和各內(nèi)部結(jié)點(diǎn)中的分枝屬性時，使用信息增益作為 評價標(biāo)準(zhǔn)。信息增益的缺點(diǎn)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(biāo)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(biāo)要求： 詳細(xì)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(jì)階段包含的3個過程。劃分?jǐn)?shù)據(jù)集，分類器構(gòu)造，

22、分類器測試11、什么是數(shù)據(jù)清洗？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)。13、 利用信息包圖設(shè)計(jì)數(shù)據(jù)倉庫概念模型需要確定的三方面內(nèi)容。P57確定指標(biāo)，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(biāo)號臓辭本滬（wh *輸出未知美標(biāo)號臓蹄機(jī)濮標(biāo)號,（1）對于未知類標(biāo)號的數(shù)辭本益按照下式計(jì)算它弓訓(xùn)練集也中每一個數(shù)d（v：i）匸廠附） 2二 totals（2）S（l）步中的儷氏距匡按照由小到大的順序耐展芥且取前k 個距匪從而找出x在沐中的k個近鄰，他設(shè)分別是k個近 輜懈于類別 Ci

23、j c：t rj C我樣本數(shù)氫“（3）如果p嚴(yán)azp, i二則汕類標(biāo)號為m SP xEc（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)元數(shù)據(jù)是描述關(guān)于數(shù)據(jù)倉庫技術(shù)細(xì)節(jié)的數(shù)據(jù)，應(yīng)用于開發(fā)、管理和維護(hù)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(bào)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

24、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(shí)際系 統(tǒng)之間的語義層，主要包括：使用者的業(yè)務(wù)屬于所表達(dá)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(bào)表的信息。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？P36SQL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 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(xì)節(jié)程度不同的各個 類別屬性(如時間

25、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(xì)節(jié)程度高， 回答查詢的種類多20、Apriori算法的基本操作步驟P93Apriori使用一種稱作逐層搜索的迭代方法，K項(xiàng)集用于探索K+1項(xiàng)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(xiàng)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：_X,Y:(X -Y)二 s(X) _ s(Y)項(xiàng)集的支持度不會超過其子集 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(xiàng)集循環(huán)，直到無新的頻繁項(xiàng)集產(chǎn)生從長度為k的頻繁項(xiàng)集產(chǎn)生長度為k+1的候選頻繁項(xiàng)集 連接步：項(xiàng)集的各項(xiàng)排序，前k-1個項(xiàng)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(jì)算每個候選頻繁集的支持度 刪除非頻繁項(xiàng)，保留頻繁項(xiàng)定義下列數(shù)據(jù)挖掘功能：特征化、區(qū)分、關(guān)聯(lián)和相關(guān)分析、預(yù)測聚 類和演變分析。使用你熟悉的現(xiàn)實(shí)生活的