數(shù)據(jù)倉庫與數(shù)據(jù)挖掘考試試題

1、中國礦業(yè)大學銀川學院期末考試試題2010至2011學年第2學期考試科目 數(shù)據(jù)倉庫與數(shù)據(jù)挖掘 學分 2 年級 2008 系 機電動力與信息工程系 專業(yè) 計算機 一、 填空題（15分）1.數(shù)據(jù)倉庫的特點分別是 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 元數(shù)據(jù)和 業(yè)務 元數(shù)據(jù)兩類。3.OLAP技術多維分析過程中，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)

2、和數(shù)據(jù)集市在輸入和輸出范圍的兩端。5.ODS實際上是一個集成的、 面向主題的 、 可更新的 、 當前值的 、 企業(yè)級的 、詳細的數(shù)據(jù)庫，也叫運營數(shù)據(jù)存儲。二、 多項選擇題（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 關聯(lián) C 估值 D 預言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)分類的評價準則包括（ ABCD ）A 精確度 B 查全率和查準率 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

3、度聚類方法10.貝葉斯網(wǎng)絡由兩部分組成，分別是（ A D ）A 網(wǎng)絡結(jié)構(gòu) B 先驗概率 C 后驗概率 D 條件概率表三、 計算題（30分）11.一個食品連鎖店每周的事務記錄如下表所示，其中每一條事務表示在一項收款機業(yè)務中賣出的項目，假定supmin=40%，confmin=40%，使用Apriori算法計算生成的關聯(lián)規(guī)則，標明每趟數(shù)據(jù)庫掃描時的候選集和大項目集。（15分）事務項目事務項目 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、啤酒的所有項目直接產(chǎn)生1-候選C1，計算其支持度，取出支持度小于sup

4、min的項集，形成1-頻繁集L1，如下表所示：項集C1 支持度 項集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 4/5 3/5 2/5 2/5(2)組合連接L1中的各項目，產(chǎn)生2-候選集C2，計算其支持度，取出支持度小于supmin的項集，形成2-頻繁集L2，如下表所示：項集C2 支持度 項集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

5、以，關聯(lián)規(guī)則面包花生醬、 花生醬面包均是強關聯(lián)規(guī)則。12.給定以下數(shù)據(jù)集（2，4，10，12，15，3，21），進行K-Means聚類，設定聚類數(shù)為2個，相似度按照歐式距離計算。（15分）解：（1）從數(shù)據(jù)集X中隨機地選擇k個數(shù)據(jù)樣本作為聚類的出示代表點，每一個代表點表示一個類別，由題可知k=2，則可設m1=2，m2=4：（2）對于X中的任意數(shù)據(jù)樣本xm（1xmtotal），計算它與k個初始代表點的距離，并且將它劃分到距離最近的初始代表點所表示的類別中：當m1=2時，樣本（2 ，4，10，12，15，3，21）距離該代表點的距離分別為2，8，10，13，1，19。當m2=4時，樣本（2 ，4，1

6、0，12，15，3，21）距離該代表點的距離分別為-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），另一個聚類m2=4為（4，10，12，15，21）。（3）完成數(shù)據(jù)樣本的劃分之后，對于每一個聚類，計算其中所有數(shù)據(jù)樣本的均值，并且將其作為該聚類的新的代表點，由此得到k個均值代表點：m1=2.5，m2=12：（4）對于X中的任意數(shù)據(jù)樣本xm（1xmtotal），計算它與k個初始代表點的距離，并且將它劃分到距離最近的初始代表點所表示的類別中：當m1=2.5時，樣本（2 ，4，10，12，15，3，21）距離該代表點的距離分別為-0.5，0.5，

7、1.5，7.5，9.5，12.5，18.5。當m2=12時，樣本（2 ，4，10，12，15，3，21）距離該代表點的距離分別為-10，-9，-8，2，3，9。最小距離是1.5將該元素放入m1=2.5的聚類中，則該聚類為（2，3，4），另一個聚類m2=12為（10，12，15，21）。（5）完成數(shù)據(jù)樣本的劃分之后，對于每一個聚類，計算其中所有數(shù)據(jù)樣本的均值，并且將其作為該聚類的新的代表點，由此得到k個均值代表點：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

8、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理、數(shù)學模型、算法步驟等。(15分)答：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，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則函數(shù)達到最優(yōu)，從而使生成的每個聚集類的緊湊，類間獨立。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中隨機地選擇k個數(shù)據(jù)樣本作為聚類的出示代表點，每一個代表點表示一個類別（2）對于X中的任意數(shù)據(jù)樣本xm（1xmtotal），計算它與k個初始代表點的距離，并且將它劃分到距離最近的初始代表點所表示的類別中（3）完成數(shù)據(jù)樣本的劃分之后，對于每一個聚類，計算其中所有數(shù)據(jù)樣本的均值，并且