數(shù)據(jù)挖掘考綱gzip

1、填空:1、神經(jīng)元是神經(jīng)網(wǎng)絡(luò)的基本組成單元。2、常見(jiàn)的數(shù)據(jù)類型有定距數(shù)據(jù)、定序數(shù)據(jù)、定類數(shù)據(jù)及計(jì)數(shù)數(shù)據(jù)。3、K-mean聚類是一種基于劃分的聚類方法，在聚類分析中，EM聚類是一種 基于模型的聚類算法。4、在CART算法中，我們采用Gini指標(biāo)作為分枝指標(biāo)。5、線性回歸的因變量必須是連續(xù)型的，Logistic回歸的因變量必須是分類 型的。6、在頻繁項(xiàng)目集中挑選出所有不被其他元素包含的頻繁項(xiàng)目集稱為最大頻繁 項(xiàng)目集7、在STATISTICA軟件中我們可以通過(guò)交叉驗(yàn)證方法尋找最佳聚類數(shù)k。8、決策樹(shù)的剪枝技術(shù)有預(yù)剪枝和后剪枝9、ARMA模型由兩個(gè)特殊模型發(fā)展而來(lái)，一個(gè)特例是AR或自回歸模型，另一 特例

2、是MA或滑動(dòng)平均模型。10、ARMA（p,q）模型中的參數(shù)p，q與自相關(guān)函數(shù)和偏自協(xié)相關(guān)函數(shù)有關(guān)。11、神經(jīng)網(wǎng)絡(luò)可分為輸入層、隱藏層、輸出層。12、基于關(guān)聯(lián)規(guī)則中數(shù)據(jù)的抽象層次，可以分為單層關(guān)聯(lián)規(guī)則和多層關(guān)聯(lián)規(guī) 則。13、層次聚類分析可以分為兩種類型，一種是自下而上的聚合型聚類，另一 種是自上而下的拆分型聚類。14、在ID3算法中，通常用熵來(lái)衡量一個(gè)內(nèi)部節(jié)點(diǎn)的信息量；而在C4.5算法 中，分枝指標(biāo)采用的是信息增益。15、BP網(wǎng)絡(luò)中，信號(hào)是正向傳播的，而誤差是反向傳播的。16、RBF網(wǎng)絡(luò)的最顯著的特點(diǎn)是隱節(jié)點(diǎn)的基函數(shù)采用距離函數(shù)，并使用徑向 基作為激勵(lì)函數(shù)。17、決策樹(shù)的剪枝技術(shù)有預(yù)剪枝和后剪枝

3、。18、ARMA模型由兩個(gè)特殊模型發(fā)展而來(lái)，一個(gè)特例是自回歸模型或AR模型， 另一特例是滑動(dòng)平均模型或MR模型。名詞解釋：考四道數(shù)據(jù)挖掘（技術(shù)定義）強(qiáng)關(guān)聯(lián)規(guī)則聚類分析時(shí)間序列數(shù)據(jù)挖掘（商業(yè)定義）頻繁項(xiàng)集二叉決策樹(shù)簡(jiǎn)答題考兩道簡(jiǎn)述數(shù)據(jù)挖掘的步驟。簡(jiǎn)述數(shù)據(jù)挖掘與傳統(tǒng)的數(shù)據(jù)分析的本質(zhì)區(qū)別，并列舉三種數(shù)據(jù)挖掘的對(duì)象。簡(jiǎn)述CHAID決策樹(shù)算法的基本步驟。簡(jiǎn)述CART決策樹(shù)算法的基本步驟。綜合分析題（購(gòu)物籃分析）1.以下是20條超市交易記錄。tidhh技h以tidhh技/4110000_0010020111001211111030001101310111401011014111005000011150011060101001601100r00101017101010g010111IS10111900001019000101100101020010LL1（1）設(shè)最小支持度為30%，試用Apriori算法寫(xiě)出所有頻繁項(xiàng)目集。（2）設(shè)最小置信度為60&，試求出所有的關(guān)聯(lián)規(guī)則。2.交易ID購(gòu)買(mǎi)項(xiàng)1牛奶，啤酒，尿布2面包，黃油，牛奶3牛奶，尿布，餅干4面包，黃油，餅干5啤酒，餅干，尿布6牛奶，尿布，面包，黃油7面包，黃油，尿布8啤酒，尿布9牛奶，尿布，面包，黃油10