數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘習(xí)題.ppt

習(xí)題一,假定用于分析的數(shù)據(jù)包含屬性age.數(shù)據(jù)元組age值(以遞增序)是：13, 15, 16, 16, 19, 20, 20, 21, 22, 22, 25, 25, 25, 25, 30, 33, 33, 35, 35, 35, 35, 36, 40, 45, 46, 52, 70. (a) 使用min-max規(guī)范化將age值35變換到0.0，1.0區(qū)間。 (b) 使用z-score規(guī)范化變換age值35，其中age的標(biāo)準(zhǔn)差為12.94歲。 (c) 使用小數(shù)定標(biāo)規(guī)范化變換age值35。 (d) 對(duì)于給定的數(shù)據(jù)，你愿意使用哪種方法？陳述你的理由。,解答一,(a) 使用min-max規(guī)范化將age值35變換到0.0，1.0區(qū)間。 minA=13，maxA=70，new_minA=0.0，new_maxA=1.0，而v=35， (b) 使用z-score規(guī)范化變換age值35，其中age的標(biāo)準(zhǔn)差為12.94歲。,解答一(續(xù)),(c) 使用小數(shù)定標(biāo)規(guī)范化變換age值35。 由于最大的絕對(duì)值為70，所以j=2。 (d) 對(duì)于給定的數(shù)據(jù)，你愿意使用哪種方法？陳述你的理由。 答：更傾向于選擇小數(shù)定標(biāo)規(guī)范化。因?yàn)樾?shù)定標(biāo)規(guī)范化會(huì)保持?jǐn)?shù)據(jù)的分布，這種變換更直觀并容易解釋,習(xí)題二,2.14 假設(shè)12個(gè)銷售價(jià)格記錄組已經(jīng)排序如下：5，10，11，13，15，35，50，55，72，92，204，215。使用如下每種方法將其劃分成三個(gè)箱。 (a) 等頻（等深）劃分。 (b) 等寬劃分。,解答二,(a) 等頻（等深）劃分。 (b) 等寬劃分。 每個(gè)區(qū)間的寬度是：(215-5)/3=70,習(xí)題三,3假定BigUniversity的數(shù)據(jù)倉(cāng)庫(kù)包含如下4個(gè)維：student(student_name, area_id, major, status, university)，course(course_name, department)，semester(semester, year)和instructor(dept, rank)；2個(gè)度量：count和avg_grade。在最低概念層，度量avg_grade存放學(xué)生的實(shí)際課程成績(jī)。在較高概念層，avg_grade存放給定組合的平均成績(jī)。 (a)為該數(shù)據(jù)倉(cāng)庫(kù)畫出雪花形模式圖。 (b)由基本方體student, course, semester, instructor開始，為列出BigUniversity每個(gè)學(xué)生的CS課程的平均成績(jī)，應(yīng)當(dāng)使用哪些特殊的OLAP操作。 (c)如果每維有5層（包括all），如“studentmajorstatusuniversityall”，該立方體包含多少方體？,解答三,解答三,b)由基本方體student, course, semester, instructor開始，為列出BigUniversity每個(gè)學(xué)生的CS課程的平均成績(jī)，應(yīng)當(dāng)使用哪些特殊的OLAP操作。 這些特殊的聯(lián)機(jī)分析處理（OLAP）操作有： 沿課程（course）維從course_id“上卷”到department。 沿學(xué)生（student）維從student_id“上卷”到university。 取department=“CS”和university=“Big University”，沿課程（course）維和學(xué)生（student）維切塊。 沿學(xué)生（student）維從university下鉆到student_name。 c)如果每維有5層（包括all），如“studentmajorstatusuniversityall”，該立方體包含多少方體？ 這個(gè)立方體將包含54=625個(gè)方體。,習(xí)題四,4 假定數(shù)據(jù)倉(cāng)庫(kù)包含4個(gè)維： date(day, month, quarter, year), spectator(spectator_name, status, phone, address), location(location_name, phone#, street, city, province, country)和game(game_name, description, description, producer)；2個(gè)度量： count和charge。其中， charge是觀眾在給定的日期觀看節(jié)目的付費(fèi)。觀眾可以是學(xué)生、成年人或老人，每類觀眾有不同的收費(fèi)標(biāo)準(zhǔn)。 (a) 畫出該數(shù)據(jù)倉(cāng)庫(kù)的星形模式圖。 (b) 由基本方體 date, spectator, location, game開始，為列出2004 年學(xué)生觀眾在GM-Place 的總代價(jià)，應(yīng)當(dāng)執(zhí)行哪些OLAP 操作？,解答四,解答四,(b)由基本方體 date, spectator, location, game開始，為列出2004 年學(xué)生觀眾在GM-Place 的總代價(jià)，應(yīng)當(dāng)執(zhí)行哪些OLAP 操作？ 這些特殊的聯(lián)機(jī)分析處理（OLAP）操作有： 沿date維從date id “上卷”到y(tǒng)ear 沿game維從game id “上卷”到all 沿location維從location id “上卷”到location name 沿spectator維從spectator id “上卷”到status 取status=“students”，location name=“GM Place”和year=2004切塊,習(xí)題五,5給定兩個(gè)對(duì)象，分別表示為（22，1，42，10），（20，0，36，8）： (a)計(jì)算兩個(gè)對(duì)象之間的歐幾里得距離 (b)計(jì)算兩個(gè)對(duì)象之間的曼哈頓距離 (c)計(jì)算兩個(gè)對(duì)象之間的明考斯基距離，p=3,習(xí)題六,假設(shè)數(shù)據(jù)挖掘的任務(wù)是將如下 8個(gè)點(diǎn)(用(x,y)代表位置)聚類為3個(gè)簇: A1(2,10), A2(2,5),A3(8,4), B1(5,8),B2(7,5), B3(6,4), C1(1,2), C2(4,9) 距離函數(shù)是歐幾里德距離.假設(shè)初始選擇A1, B1,C1為每個(gè)聚類的中心.用k-平均算法來給出 (a) 在第一次循環(huán)執(zhí)行后的三個(gè)聚類中心 (b) 最后的三個(gè)簇,解答六,(a) (2,10),(6,6),(1.5,3.5) (b) A1 B1 C2 A3 B2 C3 A2 C1,第一次迭代: 中心為1: A1(2,10), 2: B1(5,8), 3: C1(1,2),因此:,1: A1 (2,10),2:A3, B1,B2, B3, C2 (6, 6),3: A2, C1 (1.5,3.5),第二次迭代: 中心為1: (2,10), 2: (6,6), 3: (1.5,3.5),1: A1, C2 (3.5,9.5),2:A3, B1,B2, B3 (6.5, 5.25),3: A2, C1 (1.5,3.5),第三次迭代: 中心為1: (3.5,9.5 ), 2: (6.5,5.25), 3: (1.5,3.5),1: A1, B1,C2 (11/3,9),2:A3, B