數(shù)據(jù)挖掘復(fù)習(xí)大綱答案新新.doc

數(shù)據(jù)挖掘復(fù)習(xí)提綱分值分布一、 選擇題（單選10道20分多選5道20分）二、 填空題（10道20分）三、 名詞解釋?zhuān)?道20分）四、 解答題（4道20分）五、 應(yīng)用題（Apriori算法20分）1什么是數(shù)據(jù)挖掘？1答：簡(jiǎn)單地說(shuō)，數(shù)據(jù)挖掘是從大量數(shù)據(jù)中提取或挖掘知識(shí)。具體地說(shuō)，數(shù)據(jù)挖掘就是從大量的、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、人們事先不知道的、但又是潛在有用的信息和知識(shí)的過(guò)程。2. 什么是數(shù)據(jù)清理？2答：填寫(xiě)缺失的值，平滑噪聲數(shù)據(jù)，識(shí)別、刪除離群點(diǎn)，解決不一致性3. 什么是數(shù)據(jù)倉(cāng)庫(kù)？3答：是一個(gè)面向主題的、集成的、隨時(shí)間而變化的、不容易丟失的數(shù)據(jù)集合，支持管理部門(mén)決策的過(guò)程。（最顯著特征：數(shù)據(jù)不易丟失2分選擇題）4. 什么是數(shù)據(jù)集成？4.數(shù)據(jù)集成:集成多個(gè)數(shù)據(jù)庫(kù)、數(shù)據(jù)立方體或文件5. 什么是數(shù)據(jù)變換？5答：將數(shù)據(jù)轉(zhuǎn)換或統(tǒng)一成適合于挖掘的形式。6. 什么是數(shù)據(jù)歸約？6答：得到數(shù)據(jù)集的壓縮表示，它小得多，但可以得到相同或相近的結(jié)果7. 什么是數(shù)據(jù)集市？7答：數(shù)據(jù)集市包含企業(yè)范圍數(shù)據(jù)的一個(gè)子集，對(duì)于特定的用戶(hù)群是有用的。其范圍限于選定的主題。(是完整的數(shù)據(jù)倉(cāng)庫(kù)的一個(gè)邏輯子集，而數(shù)據(jù)倉(cāng)庫(kù)正是由所有的數(shù)據(jù)集市有機(jī)組合而成的) 8.在數(shù)據(jù)挖掘過(guò)程中，耗時(shí)最長(zhǎng)的步驟是什么？8.答：數(shù)據(jù)清理9. 數(shù)據(jù)挖掘系統(tǒng)可以根據(jù)什么標(biāo)準(zhǔn)進(jìn)行分類(lèi)？9答：根據(jù)挖掘的數(shù)據(jù)庫(kù)類(lèi)型分類(lèi) 、根據(jù)挖掘的知識(shí)類(lèi)型分類(lèi)、根據(jù)挖掘所用的技術(shù)分類(lèi)、根據(jù)應(yīng)用分類(lèi)10. 多維數(shù)據(jù)模型上的 OLAP 操作包括哪些？ 10.答：上卷、 下鉆、切片和切塊、轉(zhuǎn)軸 / 旋轉(zhuǎn)、其他OLAP操作 11. OLAP 服務(wù)器類(lèi)型有哪幾種？11.答：關(guān)系 OLAP 服務(wù)器(ROLAP)、多維 OLAP 服務(wù)器(MOLAP)、混合 OLAP 服務(wù)器 (HOLAP)、特殊的 SQL 服務(wù)器 12. 數(shù)據(jù)預(yù)處理技術(shù)包括哪些？ （選擇）12.答：聚集、抽樣、維規(guī)約、特征子集選擇、特征創(chuàng)建、離散化和二元化、變量變換。13. 形成“臟數(shù)據(jù)”的原因有哪些？ 13. 答：濫用縮寫(xiě)詞、數(shù)據(jù)輸入錯(cuò)誤、數(shù)據(jù)中的內(nèi)嵌控制信息、不同的的慣用語(yǔ)、重復(fù)記錄、丟失值、拼寫(xiě)變化、不同的計(jì)量單位、過(guò)時(shí)的編碼 14. 與數(shù)據(jù)挖掘類(lèi)似的術(shù)語(yǔ)有哪些? 14答：數(shù)據(jù)庫(kù)中挖掘知識(shí)、知識(shí)提取、數(shù)據(jù)/模式分析、數(shù)據(jù)考古和數(shù)據(jù)捕撈。15.常用的四種興趣度的客觀度量是什么？15答：簡(jiǎn)單性 、確定性、 實(shí)用性、新穎性 16.數(shù)據(jù)立方體的物化可以有哪三種選擇？16q 全物化q 不物化q 部分物化17. 從軟件工程的觀點(diǎn)來(lái)看，數(shù)據(jù)倉(cāng)庫(kù)的設(shè)計(jì)和構(gòu)造包含哪些步驟？17 答：規(guī)劃、需求研究、問(wèn)題分析、倉(cāng)庫(kù)設(shè)計(jì)、數(shù)據(jù)集成和測(cè)試、部署數(shù)據(jù)倉(cāng)庫(kù)。18. 在數(shù)據(jù)挖掘系統(tǒng)中，為什么數(shù)據(jù)清理十分重要？18答： 臟數(shù)據(jù)的普遍存在，使得在大型數(shù)據(jù)庫(kù)中維護(hù)數(shù)據(jù)的正確性和一致性成為一個(gè)極其困難的任務(wù)。19.臟數(shù)據(jù)形成的原因有哪些？如何理解現(xiàn)實(shí)世界的數(shù)據(jù)是“骯臟的”？19答：濫用縮寫(xiě)詞、數(shù)據(jù)輸入錯(cuò)誤、數(shù)據(jù)中的內(nèi)嵌控制信息、不同的的慣用語(yǔ)、重復(fù)記錄、丟失值、拼寫(xiě)變化、不同的計(jì)量單位、過(guò)時(shí)的編碼 不完整的、含噪聲的、不一致的、重復(fù)的20. 數(shù)據(jù)清理時(shí)，對(duì)空缺值有哪些處理方法？20.答：忽略元組、人工填寫(xiě)缺失值、使用一個(gè)全局變量填充缺失值、使用屬性的平均值填充缺失值、使用與給定元組屬同一類(lèi)的所有樣本的屬性均值、使用最可能的值填充缺失值21. 什么是數(shù)據(jù)變換？包括哪些內(nèi)容？21. 答：將數(shù)據(jù)轉(zhuǎn)換或統(tǒng)一成適合于挖掘的形式。包括：光滑、聚集、數(shù)據(jù)泛化、規(guī)范化、屬性構(gòu)造22. 數(shù)據(jù)歸約的策略包括哪些？22.答：數(shù)據(jù)立方體聚集、性子集選擇、維度歸約、數(shù)值歸約、離散化和概念分層產(chǎn)生23. 提高數(shù)據(jù)挖掘算法效率有哪幾種思路？23.答：減少對(duì)數(shù)據(jù)的掃描次數(shù)；縮小產(chǎn)生的候選項(xiàng)集；改進(jìn)對(duì)候選項(xiàng)集的支持度計(jì)算方法24. 假定屬性income的最小值與最大值分別為12000和98000到區(qū)間0.0，1.0，根據(jù) min-max 規(guī)范化，income的值73600將變?yōu)開(kāi)0.716_。25. 假定屬性income的平均值和標(biāo)準(zhǔn)差分別為54000和16000，使用 Z-score 規(guī)范化，值73600被轉(zhuǎn)換為1.225。26. 假定A的值由-986到917.A的最大絕對(duì)值為986，使用小數(shù)定標(biāo)規(guī)范化，-986被規(guī)范化為-0.98627. 從結(jié)構(gòu)角度來(lái)看，有哪三種數(shù)據(jù)倉(cāng)庫(kù)模型。27. 答：企業(yè)倉(cāng)庫(kù)、數(shù)據(jù)集市、虛擬倉(cāng)庫(kù)28. 什么是聚類(lèi)分析？28.答：將物理或抽象對(duì)象的集合分組成為由類(lèi)似的對(duì)象組成的多個(gè)類(lèi)的過(guò)程30. 可以對(duì)按季度匯總的銷(xiāo)售數(shù)據(jù)進(jìn)行_B_，來(lái)觀察按月匯總的數(shù)據(jù)。 A 上卷 B 下鉆 C 切片 D 切塊31. 可以對(duì)按城市匯總的銷(xiāo)售數(shù)據(jù)進(jìn)行_A_，來(lái)觀察按國(guó)家總的數(shù)據(jù)。 A 上卷 B 下鉆 C 切片 D 切塊 32. 通過(guò)不太詳細(xì)的數(shù)據(jù)得到更詳細(xì)的數(shù)據(jù)，稱(chēng)為_(kāi)B_。 A 上卷 B 下鉆 C 細(xì)化 D 維規(guī)約33. 三層數(shù)據(jù)倉(cāng)庫(kù)結(jié)構(gòu)中，從底層到尾層分別是倉(cāng)庫(kù)數(shù)據(jù)服務(wù)器、OLAP服務(wù)器、前端客戶(hù)層_。34.已知事務(wù)數(shù)據(jù)庫(kù)D，假定最小支持度為2，求所有的頻繁項(xiàng)集35.給出數(shù)據(jù)倉(cāng)庫(kù)的某種概念模式圖，會(huì)用DMQL語(yǔ)句描述該概念模式，包括事實(shí)與維。見(jiàn)pptn DMQL首先包括定義數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)集市的語(yǔ)言原語(yǔ)，這包括兩種原語(yǔ)定義：一種是立方體定義，一種是維定義q 立方體定義 (事實(shí)表)define cube : q 維定義 (維表) define dimension as ()q 特殊案例 (共享維表的定義) n 第一次作為維表定義 “cube definition” n 然后：define dimension as in cube 實(shí)例：使用DMQL定義星型模式q define cube sales_star time, item, branch, location:q dollars_sold = sum(sales_in_dollars), avg_sales = avg(sales_in_dollars), units_sold = count(*)q define dimension time as (time_key, day, day_of_week, month, quarter, year)q define dimension item as (item_key, item_name, brand, type, supplier_type)q define dimension branch as (branch_key, branch_name, branch_type)q define dimension location as (location_key, street, city, province_or_state, country)實(shí)例：使用DMQL定義雪花模式define cube sales_snowflake time, item, branch, location:dollars_sold = sum(sales_in_dollars), avg_sales = avg(sales_in_dollars), units_sold = count(*)define dimension time as (time_key, day, day_of_week, month, quarter, year)define dimension item as (item_key, item_name, brand, type, supplier(supplier_key, supplier_type)define dimension branch as (branch_key, branch_name, branch_type)define dimension location as (location_key, street, city(city_key, province_or_state, country) 使用DMQL定義事實(shí)星座模式define cube sales time, item, branch, location:dollars_sold = sum(sales_in_dollars), avg_sales = avg(sales_in_dollars), units_sold = count(*)define dimension time as (time_key, day, day_of_week, month, quarter, year)define dimension item as (item_key, item_name, brand, type, supplier_type)define dimension branch as (branch_key, branch_name, branch_type)define dimension location as (location_key, street, city, province_or_state, country)define cube shipping time, item, shipper, from_location, to_location:dollar_cost = sum(cost_in_dollars), unit_shipped = count(*)define dimension time as time in cube salesdefine dimension item as item in cube salesdefine dimension shipper as (shipper_key, shipper_name, location as location in cube sales, shipper_type)define dimension from_location as location in cube salesdefine dimension to_location as location in cube sales36. 四種常用的概念分層類(lèi)型是什么？36. 答：模式分層、集合分組分層、操作導(dǎo)出的分層、基于規(guī)則的分層37. 各種DMQL子句的表述？(支持度、置信度) 37.見(jiàn)ppt eg: with support threshold = 15%38.數(shù)據(jù)挖掘任務(wù)的五種原語(yǔ)是什么？38.答：說(shuō)明數(shù)據(jù)庫(kù)的部分或用戶(hù)感興趣的數(shù)據(jù)集任務(wù)相關(guān)數(shù)據(jù)要挖掘的知識(shí)類(lèi)型用于指導(dǎo)挖掘的背景知識(shí)模式評(píng)估、興趣度度量如何顯示發(fā)現(xiàn)的知識(shí)發(fā)現(xiàn)模式的可視化39.在進(jìn)行數(shù)據(jù)預(yù)處理時(shí)，對(duì)于離群點(diǎn)的處理方法是：視需要而定，有時(shí)需要?jiǎng)h除，有時(shí)需要保留。40. 多維數(shù)據(jù)倉(cāng)庫(kù)有哪幾種概念模型？40.答：星形模式、雪花形模式或事實(shí)星座形模式。41.Apriori算法的性質(zhì)是什么？41答：頻繁項(xiàng)集的所有非空子集也必須是頻繁的。AB模式不可能比A更頻繁地出現(xiàn)Apriori算法是反單調(diào)的，即一個(gè)集合如果不能通過(guò)測(cè)試，則該集合的所有超集也不能通過(guò)相同的測(cè)試。Apriori性質(zhì)通過(guò)減少搜索空間，來(lái)提高頻繁項(xiàng)集逐層產(chǎn)生的效率42.應(yīng)用Apriori算法進(jìn)行尋找頻繁項(xiàng)集時(shí)，兩個(gè)關(guān)鍵的步驟是什么?42答：Apriori算法兩個(gè)關(guān)鍵的步驟是連接和剪枝。43.數(shù)據(jù)挖掘技術(shù)的發(fā)展動(dòng)力來(lái)自于什么？43.答：數(shù)據(jù)爆炸問(wèn)題44.“數(shù)據(jù)挖掘”英文縮寫(xiě)是DM，它源于英文Data Mining45.“數(shù)據(jù)挖掘”亦稱(chēng)為KDD，其中文含義是什么?45.答：數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn)46.max()函數(shù)屬于分布函數(shù)，avg()函數(shù)屬于代數(shù)函數(shù)，median()函數(shù)屬于整體函數(shù)47.數(shù)據(jù)倉(cāng)庫(kù)的特征是什么?47.答：數(shù)據(jù)倉(cāng)庫(kù)關(guān)鍵特征1面向主題面向主題，是數(shù)據(jù)倉(cāng)庫(kù)顯著區(qū)別于關(guān)系數(shù)據(jù)庫(kù)系統(tǒng)的一個(gè)特征數(shù)據(jù)倉(cāng)庫(kù)關(guān)鍵特征2數(shù)據(jù)集成數(shù)據(jù)倉(cāng)庫(kù)關(guān)鍵特征3隨時(shí)間而變化數(shù)據(jù)倉(cāng)庫(kù)關(guān)鍵特征4數(shù)據(jù)不易丟失48.數(shù)據(jù)倉(cāng)庫(kù)的概念模式有哪幾種？48.答：最流行的數(shù)據(jù)倉(cāng)庫(kù)概念模型是多維數(shù)據(jù)模型。這種模型可以以星型模式、雪花模式、或事實(shí)星座模式的形式存在。49.一個(gè)數(shù)據(jù)立方體有3個(gè)維，則它的2-D,3-D方體有幾個(gè)？49.3個(gè) 1個(gè)