數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘考試試題

1、1、 填空題（15分）1 .數(shù)據(jù)倉(cāng)庫(kù)的特點(diǎn)分別是面向主題、集成、相對(duì)穩(wěn)定、反映歷史變化。2 .元數(shù)據(jù)是描述數(shù)據(jù)倉(cāng)庫(kù)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(cāng)庫(kù)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(jí)數(shù)據(jù)倉(cāng)庫(kù)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(jí)的、詳細(xì)的數(shù)據(jù)庫(kù)，也叫運(yùn)營(yíng)數(shù)據(jù)存儲(chǔ)。2、 多項(xiàng)選擇題（10分）6 .在數(shù)據(jù)挖掘的分析方法中

2、，直接數(shù)據(jù)挖掘包括（ACD）A分類B關(guān)聯(lián)C估值D預(yù)言7 .數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)ETL過程中，ETL軟件的主要功能包括（ABC）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(píng)價(jià)準(zhǔn)則包括（ABCD）A精確度B查全率和查準(zhǔn)率CF-MeasureD幾何均值9 .層次聚類方法包括（BCA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（AD）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3、 計(jì)算題（30分）11 .一個(gè)食品連鎖店每周的事務(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=

3、40%使用AprioH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(kù)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面包、果凍、花生醬T4啤酒、面包T2面包、花生醬T5啤酒、牛奶T3面包、牛奶、花生醬解：（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G,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G支持度項(xiàng)集Li支持度面包4/5面包4/5花生醬3/5花生醬3/5牛奶2/5牛奶2/5啤酒2/5啤酒2/5(2)組合連接Li中的各項(xiàng)目，產(chǎn)生2-候選集G,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G

4、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(面色一花生醬)=(4/5)/(3/5)=4/3>confminconfidence(花生醬一面包)=(3/5)/(4/5)=3/4>confmin所以，關(guān)聯(lián)規(guī)則面包一花生醬、花生醬一面包均是強(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)m=2,ni=

5、4:(2)對(duì)于X中的任意數(shù)據(jù)樣本Xm(1<xm<total),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)m=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)m=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m=2的聚類中，則該聚類為(2,3),另一個(gè)(3)完成數(shù)據(jù)樣本的劃分之后，對(duì)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)：m=2.5,m=12:

6、(4)對(duì)于X中的任意數(shù)據(jù)樣本xm(1<xm<total),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)m=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)m=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,-8,2,3,9。最小距離是1.5將該元素放入m=2.5的聚類中，則該聚類為(2,3,4),另一個(gè)聚類m=12為(10,12,15,21)。(5)完成數(shù)據(jù)樣本的劃分之后，對(duì)于每一個(gè)聚類，計(jì)算其中所有數(shù)據(jù)樣本的均值

7、，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)：m=3,m2=14.5:(6)對(duì)于X中的任意數(shù)據(jù)樣本xm(1<xm<total),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)m=3時(shí)，樣本(2,4,10,12,15,3,21)距離該代表點(diǎn)的距離分別為-1,1,7,9,12,18,o當(dāng)02=14.5時(shí)，樣本(2,4,10,12,15,3,21)距離該代表點(diǎn)的距離分別為-12.58,-11.5,-10.5,-4.5,-2.5,0.5,6.5。聚類m=14.5為（10,12,15,21）。至此，各個(gè)聚類不再發(fā)生變化為止，即誤差平方和準(zhǔn)則函數(shù)

8、的值達(dá)到最優(yōu)。四.設(shè)計(jì)題（45分）13.按照題目給定的3個(gè)數(shù)據(jù)文件，任選一個(gè)建立數(shù)據(jù)流圖，要求至少包括記錄選項(xiàng)、字段選項(xiàng)、圖形結(jié)點(diǎn)各一個(gè)。任選關(guān)聯(lián)規(guī)則Apriori算法、貝葉斯網(wǎng)絡(luò)、K-Means聚類、決策樹C5.0（C4.5）算法、神經(jīng)網(wǎng)絡(luò)中的一個(gè)進(jìn)行挖掘，并給出數(shù)據(jù)流圖。（10分）14.對(duì)以上數(shù)據(jù)流圖中使用的每個(gè)結(jié)點(diǎn)做一簡(jiǎn)短說明。（10分）選擇：age>25.過濾：過濾后的字段Region,tenure,age,marital,churn.字段類型值缺失檎查方向regiontenure夕范國(guó)FIEJFIPJFFJI一rmimtm+B兀+BFFF1SJ70,10,1入人入入出俺輸輸輸輸

9、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(duì)于執(zhí)行結(jié)果太多的，可節(jié)選部分結(jié)果。（10分）一二七二中電一1二-I曰9至已二r*F-今4日<4。-/呂01>1+1r-r-i&rlt&lCO_4S5葉1t=riJiry<00-000>|上|jfnreaIo>ri一1OO5<>H二日/TL.r*t*卜>04=<冉N.曰N>35r-r-isrl1r&l<0.05T-=iriiljr&<3日>口.o1c父3-1oo*>£>>T=j"C

10、_®i尹至三W-m二曰曰/Hkfc甲00m<o.3&S>年）cf尋initjsr牢口.口。i-宣。"?"Jr&<3-1Th>StVQ口.<i一（口口=tU®>聲江9OliHA一口。三-IDk）r¥i-to-ihair-ii-taIC-in>FF>nrlira丈KQAhF=EArniig口cc<-i=-nnnff>）IS<Z®>口Ftitl16.對(duì)以上模型生成的結(jié)果做一簡(jiǎn)要的分析，包括算法采用的基本原理、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(píng)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，類問獨(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(duì)于X中的任意數(shù)據(jù)樣本xm(1<xm<total),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)