數(shù)據(jù)倉庫與數(shù)據(jù)挖掘考試試題

1、.一、 填空題（15分）1.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。2.元數(shù)據(jù)是描述數(shù)據(jù)倉庫內(nèi)數(shù)據(jù)的結(jié)構(gòu)和建立方法的數(shù)據(jù)。根據(jù)元數(shù)據(jù)用途的不同可將元數(shù)據(jù)分為 技術(shù) 元數(shù)據(jù)和 業(yè)務(wù) 元數(shù)據(jù)兩類。3.OLAP技術(shù)多維分析過程中，多維分析操作包括 切片 、 切塊 、 鉆取 、 旋轉(zhuǎn) 等。4.基于依賴型數(shù)據(jù)集市和操作型數(shù)據(jù)存儲(chǔ)的數(shù)據(jù)倉庫體系結(jié)構(gòu)常常被稱為“ 中心和輻射 ”架構(gòu)，其中 企業(yè)級數(shù)據(jù)倉庫 是中心，源數(shù)據(jù)系統(tǒng)和數(shù)據(jù)集市在輸入和輸出范圍的兩端。5.ODS實(shí)際上是一個(gè)集成的、 面向主題的 、 可更新的 、 當(dāng)前值的 、 企業(yè)級的 、詳細(xì)的數(shù)據(jù)庫，也叫運(yùn)營數(shù)據(jù)存儲(chǔ)。二

2、、 多項(xiàng)選擇題（10分）6.在數(shù)據(jù)挖掘的分析方法中，直接數(shù)據(jù)挖掘包括（ ）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（）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(jià)準(zhǔn)則包括（ ABCD ）A 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 條件概率表三、 計(jì)算題（30分）11.一個(gè)食品連鎖

3、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%，confmin=40%，使用Apriori算法計(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(shí)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 T2 T3面包、果凍、花生醬面包、花生醬面包、牛奶、花生醬 T4 T5啤酒、面包啤酒、牛奶解：（1）由I=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C1，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 花生醬 牛奶 啤酒 4/53/52/52/5面包 花生醬 牛奶 啤酒

4、4/5 3/5 2/5 2/5(2)組合連接L1中的各項(xiàng)目，產(chǎn)生2-候選集C2，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，所以，confidence（面包花生醬）=（4/5）/（3/5）=4/3 confmin confidence（ 花生醬面包）=（3/5）/（4/5）=3/4 confmin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。12.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(gè)，相

5、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(gè)數(shù)據(jù)樣本作為聚類的出示代表點(diǎn)，每一個(gè)代表點(diǎn)表示一個(gè)類別，由題可知k=2，則可設(shè)m1=2，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(gè)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時(shí)，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(shí)，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m1=2的聚類中，則該聚類為（2，3），另

6、一個(gè)聚類m2=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(gè)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(gè)均值代表點(diǎn)：m1=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(gè)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(shí)，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(shí)，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，

7、9。最小距離是1.5將該元素放入m1=2.5的聚類中，則該聚類為（2，3，4），另一個(gè)聚類m2=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(gè)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(gè)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（1xm25.過濾：過濾后的字段。Region,tenure,age,marital,churn.類型：15.給出以上數(shù)據(jù)流圖中模型的執(zhí)行結(jié)果（生成模型完全展開后的數(shù)據(jù)），對于執(zhí)行結(jié)果太多的，可節(jié)選部分結(jié)果。（10分）16.對以上模型生成的結(jié)果做一簡要的分析，包括算法采用的基本原

8、理、數(shù)學(xué)模型、算法步驟等。(15分)答：k-means聚類算法基本原理：將各個(gè)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(jià)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(gè)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(gè)數(shù)K輸出：（1）從數(shù)據(jù)集X中隨機(jī)地選擇k個(gè)數(shù)據(jù)樣本作為聚類的出示代表點(diǎn)，每一個(gè)代表點(diǎn)表示一個(gè)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(gè)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，對于每一個(gè)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