2024年數(shù)據(jù)挖掘考試題庫

一、填空題

1.Web挖掘可分卷、和3大類。

2.數(shù)據(jù)倉庫需要統(tǒng)壹數(shù)據(jù)源，包括統(tǒng)壹―、統(tǒng)壹—、統(tǒng)壹—和統(tǒng)壹數(shù)據(jù)特性

410方面。

3.數(shù)據(jù)分割壹般準(zhǔn)畤間、—、—、—以及組合措施迤行。

4.噪聲數(shù)據(jù)處理的措施重要有—、—和—。

5.數(shù)值歸約的常用措施有一、—、—、—和卦數(shù)模型等。

6.評(píng)價(jià)關(guān)聯(lián)規(guī)則的2（0重要指檄是—和—。

7.多維數(shù)據(jù)集壹股采用或省花型架構(gòu)，以表卷中心，連接多種表。

8.決策樹是用—作懸結(jié)黠，用—作卷分支的樹構(gòu)造。

9.關(guān)聯(lián)可分卷簡樸關(guān)聯(lián)、—和—o

10.BP神^網(wǎng)絡(luò)的作用函數(shù)壹般卷—區(qū)間的—o

11.數(shù)據(jù)挖掘的謾程重要包括確定業(yè)務(wù)封象、—、—、—及知識(shí)同化等幾種環(huán)

節(jié)。

12.數(shù)據(jù)挖掘技術(shù)重要波及—、—和—3彳固技術(shù)領(lǐng)域。

13.數(shù)據(jù)挖掘的重要功能包括—、—、—、—、趨勢分析、孤立黠分析和偏

差分析7值1方面。

14.人工神^網(wǎng)絡(luò)具有—和—等特黠，其構(gòu)造模型包括—、—和自組織網(wǎng)絡(luò)

3種。

15.數(shù)據(jù)倉庫數(shù)據(jù)的4他基本特性是—、—、非易失、隨日寺間變化。

16.數(shù)據(jù)倉庫的數(shù)據(jù)宜般劃分卷—、—、—和—等幾種級(jí)別。

17.數(shù)據(jù)預(yù)處理的重要內(nèi)容（措施）包括—、—、—和數(shù)據(jù)歸約等。

18.平滑分箱數(shù)據(jù)的措施重要有—、—和—。

19.數(shù)據(jù)挖掘發(fā)現(xiàn)知識(shí)的類型重要有廣義知識(shí)、—、—、—和偏差型知識(shí)五種。

20.0LAP的數(shù)據(jù)組織方式重要有—和—兩種。

21.常見的0LAP多維數(shù)據(jù)分析包括—、—、—和旋轉(zhuǎn)等操作。

22.老式的決策支持系統(tǒng)是以—和—驅(qū)勃，而新決策支持系統(tǒng)則是以—、建

立在和技術(shù)之上。

23.0LAP的數(shù)據(jù)組織方式重要有—和—2種。

24.SQLServer的OLAP組件叫,OLAP操作窗口叫。

25.BP神^網(wǎng)絡(luò)由—、—以及壹或多種—結(jié)粘構(gòu)成。

26.遺傳算法包括、、R佰1基本算子。

27.聚類分析的數(shù)據(jù)壹般可分卷區(qū)間襟度變量、—、—、—、序數(shù)型以及混合

類型等。

28.聚類分析中最常用的距離計(jì)算公式有—、—、—等。

29.基于劃分的聚類算法有—和—。

3O.Clementine的工作流壹般由—、—和一等節(jié)黠連接而成。

31.簡樸地三心數(shù)據(jù)挖掘就是優(yōu)—中挖掘—的遇程。

32.數(shù)據(jù)挖掘有關(guān)的名稱尚有、、等。

、判斷題

)1.數(shù)據(jù)倉庫的數(shù)據(jù)量越大，其應(yīng)用價(jià)值也越大。

)2.啤酒與尿布的故事是聚類分析的^典實(shí)例。

)3.等深分箱法使每他箱子的記錄他數(shù)相似。

)4.數(shù)據(jù)倉庫“粒度”越細(xì)，記錄數(shù)越少。

)5.數(shù)據(jù)立方體由3維構(gòu)成，Z軸表達(dá)事實(shí)數(shù)據(jù)。

)6.決策樹措施壹般用于關(guān)聯(lián)規(guī)則挖掘。

)7.1D3算法是決策樹措施的初期代表。

)8.C4.5是壹種^典的關(guān)聯(lián)規(guī)則挖掘算法。

)9.回歸分析宣般用于挖掘關(guān)聯(lián)規(guī)則。

)10.人工神畿網(wǎng)絡(luò)尤其適合處理多參數(shù)大復(fù)雜度冏題。

)11.概念關(guān)系分析是文本挖掘所獨(dú)有的。

)12.可信度是封關(guān)聯(lián)規(guī)則的精確度的衡量。

)13.孤立黠在數(shù)據(jù)挖掘^^是被視卷異常、維用數(shù)據(jù)而丟棄。

)14.SQLServer不提供關(guān)聯(lián)規(guī)則挖掘算法。

)15.Clementine是IBM企業(yè)的專業(yè)級(jí)數(shù)據(jù)挖掘軟件。

)16.決策樹措施尤其適合于處理數(shù)值型數(shù)據(jù)。

)17.數(shù)據(jù)倉庫的數(shù)據(jù)卷歷史數(shù)據(jù)，歷來不需要更新。

)18.等寬分箱法使每他箱子的取值區(qū)間相似。

)19.數(shù)據(jù)立方體是廣義知識(shí)發(fā)現(xiàn)的措施和技術(shù)之壹。

)20.數(shù)據(jù)立方體的其中壹維用于記錄事實(shí)數(shù)據(jù)。

)21.決策樹壹般用于分類與預(yù)測。

)22.Apriori算法是壹種^典的關(guān)聯(lián)規(guī)則挖掘算法。

)23.支持度是衡量關(guān)聯(lián)規(guī)則重要性的壹種指襟。

)24.SQLServer集成了OLAP,但不具有數(shù)據(jù)挖掘功能。

)25.人工神^網(wǎng)絡(luò)常用于分類與預(yù)測。

,、名同解釋

1.數(shù)據(jù)倉庫：是壹種新的數(shù)據(jù)處理體系構(gòu)造，是面向主題的、集成的、不可更新

的(穩(wěn)定性)、隨畤間不停變化(不壹樣步間)的數(shù)據(jù)集合，卷企業(yè)決策支持系統(tǒng)

提供所需的集成信息。

2.孤立黠：指數(shù)據(jù)庫中包括的某些與數(shù)據(jù)的壹般行卷或模型不壹致的異常數(shù)據(jù)。

3.OLAP：OLAP是在OLTP的基礎(chǔ)上發(fā)展起來的，以數(shù)據(jù)倉庫卷基礎(chǔ)的數(shù)據(jù)分析處

理，是共享多維信息的迅速分析，是被專門設(shè)計(jì)用于支持復(fù)雜的分析操作，側(cè)

重封分析人員和高層管理人員的決策支持。

4.粒度：指數(shù)據(jù)倉庫的數(shù)據(jù)軍位中保留數(shù)據(jù)細(xì)化或淙合程度的級(jí)別。粒度影響寄

存在數(shù)據(jù)倉庫中的數(shù)據(jù)量的大小，同步影響數(shù)據(jù)倉庫所能回答查冏詢題的細(xì)節(jié)

程度。

5.數(shù)據(jù)規(guī)范化：指將教據(jù)按比例縮放（如更換大軍位），使之落入壹種特定的區(qū)域

（如0—1）以提高數(shù)據(jù)挖掘效率的措施。規(guī)范化的常用措施有：最大一最小規(guī)

范化、零一均值規(guī)范化、小數(shù)定襟規(guī)范化。

6.關(guān)聯(lián)知識(shí)：是反應(yīng)壹種事件和其他事件之間依賴或互相關(guān)聯(lián)的知識(shí)。假如兩項(xiàng)

或多項(xiàng)屬性之間存在關(guān)聯(lián)，那么其中壹項(xiàng)的屬性值就可以根據(jù)其他屬性值迤行

預(yù)測。

7.數(shù)據(jù)挖掘：優(yōu)大量的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中，提取除

含在其中的、人儼J事先不懂得的、但又是潛在有用的信息和知識(shí)的遇程。

8.OLTP：OLTP卷聯(lián)機(jī)事務(wù)處理的縮寫，OLAP是聯(lián)機(jī)分析處理的縮寫。前者是以數(shù)

據(jù)庫卷基礎(chǔ)的，面封的是操作人員和低層管理人員，封基本數(shù)據(jù)暹行查詢和增、

刪、改等處理。

9.ROLAP：是基于關(guān)系數(shù)據(jù)庫存儲(chǔ)方式的，在造種構(gòu)造中，多維數(shù)據(jù)被映像成二維

關(guān)系表，堂般采用星型或雪花型架構(gòu)，由直種事實(shí)表和多種維度表構(gòu)成。

10.MOLAP：是基于類似于“超立方”塊的OLAP存儲(chǔ)構(gòu)造，由言午多^壓縮的、類似

于多維數(shù)組的封象構(gòu)成，并帶有高度壓縮的索引及指針構(gòu)造，通遇直接偏移「

算暹行存取。

II.數(shù)據(jù)歸約：縮小數(shù)據(jù)的取值范圍，使其更適合于數(shù)據(jù)挖掘算法的需要，并且可

以得到和原始數(shù)據(jù)相似的分析成果。

12.廣義知識(shí)：通謾封大量數(shù)據(jù)的歸納、概括和抽象，提煉出帶有普遍性的、概括

性的描述記錄的知識(shí)。

13.預(yù)測型知識(shí)：是根據(jù)畤間序列型數(shù)據(jù)，由歷史的和目前的數(shù)據(jù)去推測未來的數(shù)

據(jù)，也可以認(rèn)卷是以畤間卷關(guān)鍵屬性的關(guān)聯(lián)知識(shí)。

14.偏差型知識(shí)：是卦差異和極端特例的描述，用于揭示事物偏離常規(guī)的異常現(xiàn)象,

如原則類外的特例，數(shù)據(jù)聚類外的離群值等。

15.遺傳算法：是壹種優(yōu)化搜索算法，它首先產(chǎn)生壹種初始可行解群體，然彳及封道

倜群體通遇模擬生物謹(jǐn)化的選擇、交叉、變異等遺傳操作遺傳到下壹代群體，

并最終到達(dá)全局最優(yōu)。

16.聚類：是將物理或抽象封象的集合分構(gòu)成^多種類或簇Glust"）的謾程，使得

在同壹種簇中的封象之間具有較高的相似度，而不壹樣簇中的卦象差異較大。

17.決策樹：是用樣本的屬性作卷結(jié)黠，用屬性的取值作卷分支的樹構(gòu)造。它是分

類規(guī)則挖掘的典措施，可用于封新樣本暹行分類。

18.相異度矩陣：是聚類分析中用于表達(dá)各卦象之間相異度的壹種矩陣，n他I封象

的相異度矩陣是壹種rm維的軍模矩陣，其封角線元素均卷0,封角線兩側(cè)元素

的值相似。

19.頻繁項(xiàng)集：指滿足最小支持度的項(xiàng)集，是挖掘關(guān)我規(guī)則的基本條件之壹。

20.支持度：規(guī)則A-B的支持度指的是所有事件中A與B同地發(fā)生的的概率，即

P(AUB),是AB同步發(fā)生的次數(shù)與事件^次數(shù)之比。支持度是封關(guān)聯(lián)規(guī)則重要

性的衡量。

21.可信度：規(guī)則A-B的可信度指的是包括A項(xiàng)集的同步也包括B項(xiàng)集的條件概率

P(BA),是AB同步發(fā)生的次數(shù)與A發(fā)生的所有次數(shù)之比?？尚哦仁欠怅P(guān)聯(lián)規(guī)則

的精確度的衡量。

22.關(guān)聯(lián)規(guī)則：同步滿足最小支持度閾值和最小可信度閾值的規(guī)則稱之卷關(guān)聯(lián)規(guī)則。

四、綜合題

1.何謂數(shù)據(jù)挖掘？它有哪些方面的功能？

優(yōu)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、人儼1事先不懂得的、但又是潛在有用的信息和知識(shí)的謾程稱懸數(shù)據(jù)挖掘。有

關(guān)的名稱有知識(shí)發(fā)JS、數(shù)據(jù)分析、數(shù)據(jù)融合、決策支持等。

數(shù)據(jù)挖掘的功能包括：概念描述、關(guān)聯(lián)分析、分類與預(yù)測、聚類分析、趨勢

分析、孤立黠分析以及偏差分析等。

2.何謂數(shù)據(jù)倉庫？卷何要建立數(shù)據(jù)倉庫？

數(shù)據(jù)倉庫是壹種新的數(shù)據(jù)處理體系構(gòu)造，是面向主題的、集成的、不可更新

的(穩(wěn)定性)、隨日寺間不停變化(不壹樣步間)的數(shù)據(jù)集合，卷企業(yè)決策支持系統(tǒng)提

供所需的集成信息。

建立數(shù)據(jù)倉庫的目的有3倜：

壹是卷了處理企業(yè)決策分析中的系統(tǒng)響應(yīng)冏題，數(shù)據(jù)倉庫能提供比老式事務(wù)

數(shù)據(jù)庫更快的大規(guī)模決策分析的響應(yīng)速度。

二是處理決策分析封數(shù)據(jù)的特殊需求冏題。決策分析需要全面的、封的的集

成數(shù)據(jù)，道是老式事務(wù)數(shù)據(jù)庫不能直接提供的。

三是處理決策分析封數(shù)據(jù)的特殊操作規(guī)定。決策分析是面向?qū)?也顧客而非壹

般業(yè)務(wù)員，需要使用專業(yè)的分析工具，封分析成果遢要以商業(yè)智能的方式暹行體

現(xiàn)，道是事務(wù)數(shù)據(jù)庫不能提供的。

3.列舉操作型數(shù)據(jù)與分析型數(shù)據(jù)的重要區(qū)別。

操作型數(shù)據(jù)分析型數(shù)據(jù)

目前的、細(xì)節(jié)的歷史的、綜合的

面向應(yīng)用、事務(wù)驅(qū)勒面向分析、分析驅(qū)勃

頻繁增、冊||、改幾乎不更新，定期追加

操作需求事先懂得分析需求事先不懂得

生命周期符合SDLC完全不壹樣的生命周期

封性能規(guī)定高封性能規(guī)定寬松

壹次操作數(shù)據(jù)量小壹次操作數(shù)據(jù)量大

支持平常事務(wù)操作支持管理決策需求

4.何謂OLTP和OLAP?它優(yōu)的重要異同有哪些？

OLTP即聯(lián)機(jī)事務(wù)處理，是以老式數(shù)據(jù)庫卷基礎(chǔ)、面向操作人員和低層管理

人員、封基本數(shù)據(jù)迤行查詢和增、刪、改等的平常事務(wù)處理。OLAP即聯(lián)機(jī)分析

處理，是在OLTP基礎(chǔ)上發(fā)展起來的、以數(shù)據(jù)倉庫基礎(chǔ)上的、面向高層管理人員

和專業(yè)分析人員、卷企業(yè)決策支持服務(wù)。

OLTP和OI.AP的重要區(qū)別如下表:

OLTPOLAP

數(shù)據(jù)庫數(shù)據(jù)數(shù)據(jù)庫或數(shù)據(jù)倉庫數(shù)據(jù)

細(xì)節(jié)性數(shù)據(jù)綜合性數(shù)據(jù)

目前數(shù)據(jù)歷史數(shù)據(jù)

常常更新不更新，但周期性刷新

壹次性處理的數(shù)據(jù)量小壹次處理的數(shù)據(jù)量大

封響應(yīng)畤間規(guī)定高響應(yīng)畤間合理

顧客數(shù)量大顧客數(shù)據(jù)相封較少

面向操作人員，支持平常操作面向決策人員，支持管理需要

面向應(yīng)用，事務(wù)驅(qū)助面向分析，分析驅(qū)勃

5.何謂粒度？它封數(shù)據(jù)倉庫有什么影響？按粒度組織數(shù)據(jù)的方式有哪些？

粒度是指數(shù)據(jù)倉庫的數(shù)據(jù)罩位中保留數(shù)據(jù)細(xì)化或綜合程度的級(jí)別。粒度影響

寄存在數(shù)據(jù)倉庫中的數(shù)據(jù)量的大小，同步影響數(shù)據(jù)倉庫所能回答查周詢題的細(xì)節(jié)

程度。按粒度組織數(shù)據(jù)的方式重要有：

①簡樸堆積構(gòu)造

②輪轉(zhuǎn)綜合構(gòu)造

③簡樸直接構(gòu)造

④持續(xù)構(gòu)造

6.簡述數(shù)據(jù)倉庫設(shè)計(jì)的三級(jí)模型及其基本內(nèi)容。

概念模型設(shè)計(jì)是在較高的抽象層次上的設(shè)計(jì)，其重要內(nèi)容包括：界定系統(tǒng)邊

界和確定重要的主題域。

邏輯模型設(shè)計(jì)的重要內(nèi)容包括：分析主題域、確定粒度層次劃分、確定數(shù)據(jù)

分割方略、定義關(guān)系模式、定義記錄系統(tǒng)。

物理數(shù)據(jù)模型設(shè)計(jì)的重要內(nèi)容包括：確定數(shù)據(jù)存儲(chǔ)構(gòu)造、確定數(shù)據(jù)寄存位置、

確定存儲(chǔ)分派以及確定索引方略等。在物理數(shù)據(jù)模型設(shè)計(jì)畤重要考慮的原因有：

I/O存取畤間、空間運(yùn)用率和維護(hù)代價(jià)等。

提高性能的重要措施有劃分粒度、數(shù)據(jù)分割、合并表、建立數(shù)據(jù)序列、引入

冗余、生成導(dǎo)出數(shù)據(jù)、建立廣義索引等。

7.在數(shù)據(jù)挖掘之前卷何要封原始數(shù)據(jù)暹行預(yù)處理？

原始業(yè)務(wù)數(shù)據(jù)來自多種數(shù)據(jù)庫或數(shù)據(jù)倉庫，它儼］的構(gòu)造和規(guī)則也^是不壹樣

的，道將導(dǎo)致原始數(shù)據(jù)非常的雜亂、不可用，雖然在同壹種數(shù)據(jù)庫中，也也^存

在反復(fù)的和不完整的數(shù)據(jù)信息，卷了使道些數(shù)據(jù)可以符合數(shù)據(jù)挖掘的規(guī)定，提高

效率和得到清晰的成果，必須暹行數(shù)據(jù)的預(yù)處理。

卷數(shù)據(jù)挖掘算法提供完整、潔凈、精確、有針封性的數(shù)據(jù)，減少算法的計(jì)算

量，提高挖掘效率和精確程度。

8.簡述數(shù)據(jù)預(yù)處理措施和內(nèi)容。

①數(shù)據(jù)清洗：包括填充空缺值，識(shí)別孤立鉆，去掉噪聲和輾關(guān)數(shù)據(jù)。

②數(shù)據(jù)集成：將多種數(shù)據(jù)源中的數(shù)據(jù)結(jié)合起來寄存在壹種壹致的數(shù)據(jù)存儲(chǔ)中。

需要注意不登樣數(shù)據(jù)源的數(shù)據(jù)匹配冏題、數(shù)值沖突冏題和冗余冏題等。

③數(shù)據(jù)變換：將原始數(shù)據(jù)轉(zhuǎn)換成卷適合數(shù)據(jù)挖掘的形式。包括封數(shù)據(jù)的匯幺恩、

匯集、概化、規(guī)范化，遢也考午需要迤行屬性的重構(gòu)。

④數(shù)據(jù)歸約：縮小數(shù)據(jù)的取值范圍，使其更適合于數(shù)據(jù)挖掘算法的需要，并且

可以得到和原始數(shù)據(jù)相似的分析成果。

9.簡述數(shù)據(jù)清理的基本內(nèi)容。

①盡量賦予屬性名和屬性值明確的含義；

②統(tǒng)壹多數(shù)據(jù)源的屬性值編碼；

③清除輾用的惟壹屬性或鍵值（如自勤增房的id）；

④清除反復(fù)屬性（在某些分析中，年齡和出生曰期也言午就是反復(fù)的屬性，但在某

些日寺候它什，也言午又是同步需要的）

⑤消除可忽視字段（大部分^空值的屬性壹般是沒有什么價(jià)值的，假如不清除也

者午導(dǎo)致金音誤的數(shù)據(jù)挖掘成果）

?合理選擇關(guān)聯(lián)字段（封于多種關(guān)聯(lián)性較強(qiáng)的屬性，反復(fù)輾益，只需選擇其中的

部分用于數(shù)據(jù)挖掘即可，如價(jià)格、數(shù)據(jù)、金額）

⑦去掉數(shù)據(jù)中的噪音、填充空值、丟失值和處理不壹致數(shù)據(jù)。

10.簡述處理空缺值的措施。

①忽視該記錄；

②去掉屬性；

③手工填寫空缺值；

④使用默認(rèn)值；

⑤使用屬性平均值；

⑥使用同類樣本平均值：

⑦預(yù)測最也^的值。

II.常見的分箱措施有哪些？數(shù)據(jù)平滑處理的措施有哪些？

分箱的措施重要有：

①統(tǒng)壹權(quán)重法（又稱等深分箱法）

②統(tǒng)壹區(qū)間法（又稱等寬分箱法）

③最小焙法

④自定義區(qū)間法

數(shù)據(jù)平滑的措施重要有：平均值法、邊界值法和中值法。

12.何謂數(shù)據(jù)規(guī)范化？規(guī)范化的措施有哪些？寫出封應(yīng)的變換公式。

將數(shù)據(jù)按比例縮放(如更換大軍位)，使之落入壹種特定的區(qū)域(如0.0?

1.0),稱卷規(guī)范化。規(guī)范化的常用措施有：

(1)最大一最小規(guī)范化：max-min,..

x=------------------(x—mui)+min

n0n

(maxf,-niin?)°

(2)零均值規(guī)范化：X-A

x=o------

W

(3)小數(shù)定襟規(guī)范化：^=V10"

13.數(shù)據(jù)歸約的措施有哪些？卷何要暹行維歸約？

①數(shù)據(jù)立方體匯集

②維歸約

③數(shù)據(jù)壓縮

④數(shù)值壓縮

⑤離散化和概念分層

維歸約可以去掉不重要的屬性，減少數(shù)據(jù)立方體的維數(shù)，優(yōu)而減少數(shù)據(jù)挖掘

處理的數(shù)據(jù)量，提高挖掘效率。

14.何謂聚類？它與分類有什么異同？

聚類是將物理或抽象封象的集合分構(gòu)成卷多種類或簇(cluster)的謾程，便

得在同壹種簇中的封象之間具有較高的相似度，而不壹樣簇中的封象差異較大。

聚類與分類不壹樣，聚類要?jiǎng)澐值念愂俏粗?，分類則可按已知規(guī)則誕行;

聚類是壹種輾指導(dǎo)摯習(xí)，它不依賴預(yù)先定義的類和帶類襟號(hào)的訓(xùn)練實(shí)例，屬于

觀測式摯習(xí)，分類則屬于有指導(dǎo)的學(xué)習(xí)，是示例式摯習(xí)。

15.舉例闡明聚類分析的^典應(yīng)用。

①商、亞：協(xié)助市埸分析人員優(yōu)客戶基本庫中發(fā)現(xiàn)不壹樣的客戶群，并且用不壹

樣的購置模式描述不壹樣客戶群的特性。

②生物孥：推導(dǎo)植物或勤物的分類，封基于迤行分類，獲得封種群中固有構(gòu)造

的認(rèn)識(shí)。

③跖?文檔分類

④其他：如地球觀測數(shù)據(jù)庫中相似地區(qū)確實(shí)定：各類保險(xiǎn)投保人的分組：壹種

都市中不壹樣類型、價(jià)值、地理位置房子的分組等。

⑤聚類分析遢可作卷其他數(shù)據(jù)挖掘算法的預(yù)處理：即先暹行聚類，然彳爰再逛行

分類等其他的數(shù)據(jù)挖掘。聚類分析是壹種數(shù)據(jù)簡化技術(shù)，它把基于相似數(shù)據(jù)

特性的變量或他1案組合在壹起。

16.聚類分析中常見的數(shù)據(jù)類型有哪些？何謂相異度矩陣？它有什么特鉆？

常見數(shù)據(jù)類型有區(qū)間襟度變量、比例襟度型變量、二元變量、檄稱型、序教

型以及混合類型等。相異度矩陣是用于存儲(chǔ)所有封象兩兩之間相異度的矩陣，

壹種nn維的軍模矩陣。其特黠是d(i,j)=d(j,i),d(i,i)=0,d(j,j)=0o如下

所示：

-0'

(1(2,1)0

d(3,l)d(3,2)0

????

■?????

d(n,l)d(n,2)..........0

17.分類知識(shí)的發(fā)現(xiàn)措施重要有哪些？分類謾程壹般包括哪兩fel環(huán)節(jié)？

分類規(guī)則的挖掘措施壹般有：決策樹法、貝葉斯法、人工神^網(wǎng)絡(luò)法、粗

糙集法和遺傳算法。分類的謾程包括2步：首先在已知訓(xùn)練數(shù)據(jù)集上，根據(jù)屬

性特性，卷每壹種類別找到壹種合理的描述或模型，即分類規(guī)則：然彳為根據(jù)規(guī)

則封新數(shù)據(jù)暹行分類。

18.什么是決策樹？怎樣用決策樹迤行分類？

決策樹是用樣本的屬性作卷結(jié)粘;用屬性的取值作卷分支的樹構(gòu)造。它是

運(yùn)用信息論原理封大量樣本的屬性暹行分析和歸納而產(chǎn)生的。決策樹的根幺吉鉆

是所有樣本中信息量最大的屬性。樹的中間結(jié)黠是以該幺吉黠卷根的子樹所包括

的樣本子集中信息量最大的屬性。決策樹的葉東吉貼是樣本的類別值。

決策樹用于封新樣本的分類，即通遇決策樹封新樣本屬性值的測試，優(yōu)樹

的根結(jié)始，按照樣本屬性的取值，逐漸沿著決策樹向下，直到樹的葉結(jié)黠,

該葉結(jié),粘表達(dá)的類別就是新樣本的類別。決策樹措施是數(shù)據(jù)挖掘中非常有效的

分類措施.

19.簡述ID3算法的基本思想及其主算法的基本環(huán)節(jié)。

首先找出最有鑒別力的原因，然彳爰把數(shù)據(jù)提成多種子集，每他子集又選擇

最有鑒別力的原因深入劃分，壹直暹行到所有子集僅包括同壹類型的數(shù)據(jù)卷止。

最終得到壹棵決策樹，可以用它來封新的樣例迤行分類。

主算法包括如下幾步：

①優(yōu)訓(xùn)練集中隨機(jī)選擇壹種既含正例又含反例的子集(稱卷窗口)；

②用“建樹算法”封目前窗口形成宜棵決策樹；

③封訓(xùn)練集(窗口除外)中例子用所得決策樹迤行類別鑒定，找出貧昔判的例

子；

④若存在金昔判的例子，把它件號(hào)插入窗口，反復(fù)環(huán)節(jié)②，否則結(jié)束。

20.簡述ID3算法的基本思想及其建樹算法的基本環(huán)節(jié)。

首先找出最有鑒別力的原因，然彼把數(shù)據(jù)提成多種子集，每倜子集又選擇

最有鑒別力的原因淡入劃分，壹直暹行到所有子集僅包括同壹類型的數(shù)據(jù)懸止。

最終得到壹棵決策樹，可以用它來封新的樣例暹行分類。

建樹算法的詳細(xì)環(huán)節(jié)如下：

①封目前例子集合，計(jì)算各特性的互信息；

②選擇互信息最大的特性A』

③把在Ak處取值相似的例子歸于同壹子集，Ak取幾種值就得兒種子集；

④封既含正例又含反例的子集，遞歸調(diào)用建樹算法；

⑤若子集僅含五例或反例，封應(yīng)分枝楝上P或N,返回調(diào)用處。

21.設(shè)某事務(wù)項(xiàng)集構(gòu)成如下表，填空完畢其中支持度和置信度的計(jì)算。

事務(wù)ID項(xiàng)集L2支持度為規(guī)則置信度先

T1A,CA,B33.3A-*B50

T2D,EA,C33.3C~A60

T3A,C,EA,D44.4A-D66.7

T4A,B,C,EB,D33.3B-D75

T5A,B,CC,D33.3C-D60

T6A,B,I)D,E33.3D-E43

T7A,C,1)??????

T8C,D,E

T9B,C,D

22.彳史信息處理角度看，神^元具有哪些基本特性？寫出描述神^元狀態(tài)的M-P方

程并闡明其含義。

基本特性：①多輸入、罩輸出；②突觸兼有興奮和克制兩種性能；③可畤間加

權(quán)和空間加權(quán)；④可產(chǎn)生脈沖；⑤脈沖可迤行傳遞；⑥非線性，有

閾值。

M-P方程：3萬/（2叱戶廠4）,心是神^元之間的連接強(qiáng)度，斗是閾值，

j

f（x）是階梯函數(shù)。

23.遺傳算法與老式尋優(yōu)算法相比有什么特黠？

①遺傳算法卷群體搜索，有助于尋找到全局最優(yōu)解；

②遺傳算法采用高效有方向的隨機(jī)搜索，搜索效率高；

③遺傳算法處理的封象是他體而不是參變量，具有廣泛的應(yīng)用領(lǐng)域；

④遺傳算法使用適應(yīng)值信息評(píng)估f0體，不需要導(dǎo)數(shù)或其他輔助信息-運(yùn)算速

度快，適應(yīng)性好；

⑤遺傳算法具有隱含并行性，具有更高的運(yùn)行效率。

24.寫出非封稱二元變量相異度計(jì)算公式（即jaccard系數(shù)），并計(jì)算下表中各封象

間的相異度。

項(xiàng)目

test-1test-2test-3test-4test-5test-6

OBJ1YNPNNN

OBJ2YNPNPN

OBJ3NYNYNN