數(shù)據(jù)挖掘復(fù)習(xí)提綱

1、數(shù)據(jù)挖掘與統(tǒng)計決策課程復(fù)習(xí)提綱 2017.6一、 概念題（約20%）1、 概念解釋（10%）2、 是非題（10%） 概念題復(fù)習(xí)要點：1、 數(shù)據(jù)挖掘定義？數(shù)據(jù)挖掘與經(jīng)典統(tǒng)計建模的異同點？ 2、 聚類定義？系統(tǒng)聚類、K均值聚類、Kohonen聚類的原理與特點？ 一般聚類數(shù)的判別？聚類結(jié)果的判別？ 3、 神經(jīng)網(wǎng)絡(luò)定義？感知機(jī)模型、BP模型、RBF模型的原理與應(yīng)用特點（包括數(shù)據(jù)特點、結(jié)構(gòu)特點、映射特點、權(quán)值修正特點、誤差表示等）？3、 主成分分析與因子分析方法的特點？變量與主成分的關(guān)系？變量與公共因子的關(guān)系？ 載荷因子表示公因子與變量的什么關(guān)系？載荷因子取值不同表示公因子與變量關(guān)系的哪些不同？ 5、決

2、策樹方法的定義？ID3、C4.5、二叉樹方法的不同應(yīng)用特點？決策樹的評價標(biāo)準(zhǔn)？決策樹的前后剪枝特點？后剪枝的形式評價與樹結(jié)構(gòu)評價定義？6、關(guān)聯(lián)分析、時序關(guān)聯(lián)分析方法的特點？ K項頻繁集（大項目集）、K項大序列的定義？最大頻繁（項目）集、最大序列的定義？頻繁集（大項目集）支持度、大序列支持度定義？關(guān)聯(lián)規(guī)則置信度、時序關(guān)聯(lián)規(guī)則置信度定義？規(guī)則提取特點？規(guī)則檢驗定義？7、 遺傳算法的定義與特點？適應(yīng)值函數(shù)、選擇算子、交叉算子、變異算子的理論定義？一般設(shè)計形式？模式定理的結(jié)論表示？設(shè)計與計算題（約80%）：二、 聚類分析：給出樣品屬性取值或變量觀察值，1)要求計算距離矩陣，并按系統(tǒng)聚類法，以兩點最大或

3、最小距離定義兩類相似度進(jìn)行聚類（樣本或變量聚類），2)表出聚類過程及譜系圖，并判別聚類結(jié)果。三、 主成分/因子分析: 給定變量與因子相關(guān)的載荷矩陣，在已知特征根及累計貢獻(xiàn)率大于一定比例條件下，1）要求計算或判別選擇主要變量、主要主成分、主要因子，2）用因子表示變量或用變量表示主成分。四、神經(jīng)網(wǎng)絡(luò)模型：給出已知樣本與模型設(shè)計要求，1）要求通過樣本學(xué)習(xí)和權(quán)值修正獲取模型參數(shù)，建立神經(jīng)網(wǎng)絡(luò)模型（BP、RBF、感知機(jī)等），2）應(yīng)用建立的模型進(jìn)行檢驗、分類或預(yù)測。五、決策樹分析：給出某樣本集，1）要求利用ID3算法或C4.5算法或二叉樹算法，判別節(jié)點與分枝，建立決策樹。 2)給定檢驗樣本集，對建立決策樹

4、進(jìn)行檢驗。 3)在假定條件下，對決策樹進(jìn)行剪枝判別，計算剪枝形式與剪枝結(jié)構(gòu)評價。 六、1）關(guān)聯(lián)分析：給出N個事務(wù)對應(yīng)的物品項、最少支持度和最少可信度，要求用AP方法求最大頻繁集和指定項目條件的關(guān)聯(lián)規(guī)則。 2）時序關(guān)聯(lián)分析：給出N個時間顧客的事務(wù)對應(yīng)的物品項，最少支持度和最少可信度，要求用AP-G方法求最大序列和指定條件的時序關(guān)聯(lián)規(guī)則。 3) 給定檢驗樣本集，要求對提取規(guī)則進(jìn)行檢驗，要求計算檢驗的誤差。 七、遺傳算法：1）給出N個個體組成的種群，在指定或設(shè)計適值函數(shù)下，進(jìn)行選擇、交叉與變異運(yùn)算；2）給出某一問題，要求設(shè)計基因、個體和種群，并針對問題設(shè)計合理的適應(yīng)值函數(shù)，設(shè)計合適的選擇、交叉與變異

5、算子。參考試題形式：一. 概念描述1數(shù)據(jù)挖掘是指 2遺傳算法中的適應(yīng)值函數(shù)是指 3. K-均值聚類是指 4. BP神經(jīng)網(wǎng)絡(luò)是指 5時序關(guān)聯(lián)分析是指 二. 是非題1. 數(shù)據(jù)倉庫不一定要有數(shù)據(jù)挖掘方法的支持。（ ）2. 系統(tǒng)聚類中，可以按兩類的最大或最小相似度逐步歸并直至為一類。（ ） 3. K-均值聚類中，若給定類中心調(diào)整次數(shù)為終止條件，則初始類中心選擇對聚類結(jié)果有影響。（ ）5 決策樹的CART算法，是通過信息增益率最大來選擇測試屬性。（ ）6. 在同一實例集下，具有深度越小、葉結(jié)點數(shù)越多的決策樹越優(yōu)。（ ）7 時序關(guān)聯(lián)分析的Apriori-G 方法的最大序列一定包含客戶標(biāo)識。（ ）8. RB

6、F神經(jīng)網(wǎng)絡(luò)的輸入層到隱層的映射是線性的。（ ）9、5. 具有S型映射函數(shù)的BP神經(jīng)網(wǎng)絡(luò)的輸出變量取值一定要變換到區(qū)間0，1中。（ ）10、11關(guān)聯(lián)分析的最大頻繁集是唯一的。（ ）四、 設(shè)有五個樣本，每樣本有n個指標(biāo)，第i樣本用類表示，兩兩之間的歐氏距離陣如下所示，試1）按最小距離聚類，表出聚類過程及聚類譜系圖，2）從聚類譜系圖中，通過類間距離求最合適的聚類類數(shù)。 0 1 0 3 5 0 4 7 2.5 0 6 2 5 8 0四1、設(shè)f(x)=x2, x5,30, 設(shè)想通過遺傳算法求f(x)最小值。若個體為二進(jìn)制表示，初始個體如下，請設(shè)計適值函數(shù)，并按要求填寫下表 個體號初始個體初始個體的編碼表

7、示適應(yīng)度復(fù)制數(shù)(整數(shù))隨機(jī)交叉?zhèn)€體號隨機(jī)交叉點為3時的交叉結(jié)果順序抽取染色體，按變異概率10%、隨機(jī)變異點為2實施變異的結(jié)果12711011221301101131910011448010003 2、設(shè)產(chǎn)品質(zhì)量有質(zhì)量指標(biāo)為Y1，Y2YM ，影響質(zhì)量的因素變量為X1,X2,XN，標(biāo)準(zhǔn)質(zhì)量指標(biāo)為Z1，Z2ZM，設(shè)想通過遺傳算法求一組最優(yōu)組合x1,x2,xN，如果采用實數(shù)編碼，要求為這樣的遺傳算法設(shè)計1）基因與個體表示；2）種群表示；3）適值函數(shù)表示。五、設(shè)A，B，C，D，E分別表示五種物品，要求通過以下五項業(yè)務(wù)應(yīng)用apriori算法分析五種物品的關(guān)聯(lián)程度，求：1）若最少支持度為0.3，求最大頻繁集

8、；2）若最少支持度為0.4，求任兩項集出現(xiàn)而導(dǎo)致另一項集出現(xiàn)的關(guān)聯(lián)規(guī)則。業(yè)務(wù)標(biāo)識 物品 1 ACDE 2 BCD 3 A 4 CDE 5 ABCD六、設(shè)每個肺病例有五種癥狀：發(fā)燒（無、低、中度、高），咳嗽（輕微、中度、劇烈），X光所見陰影（點狀、索條狀、片狀、空洞），血沉（正常、快），聽診（正常、干鳴音、水泡音），肺炎和肺結(jié)核部分病例集見下表，試用決策樹的ID3算法識別根節(jié)點對應(yīng)的癥狀及分支樣本（分支樣本用樣本號表示）。樣本號 病狀病例號發(fā)燒咳嗽 X光所見血沉聽診肺炎1高劇烈片狀正常水泡音2中度劇烈片狀正常水泡音3低輕微點狀正常干鳴音4高中度片狀正常水泡音5中度輕微片狀正常水泡音肺結(jié)核6無輕微索條狀正常正常7高劇烈空洞快干鳴音8低輕微索條狀正常正常9無輕微點狀快干鳴音10低中度片狀快正常七、設(shè)在開發(fā)某企業(yè)的DSS中,利用神經(jīng)網(wǎng)絡(luò)模型輔助投資方案選擇。以X1、X2、X3分別表示三個評價投資方案指標(biāo)的定義值，Y表示選擇結(jié)果。已知兩個樣本的取值如下： X1 X2 X3 Y1 0 1 11 1 1 1假設(shè)閾值為0，且連接權(quán)初始值為0，調(diào)整因子=1。要求： 建立輔助投資方案決策的感知機(jī)模型； 當(dāng)投資方案指標(biāo)為（X1，X2，X3