數(shù)據(jù)挖掘第三版第六章課后習(xí)題答案

數(shù)據(jù)挖掘第三版第六章課后習(xí)題答案數(shù)據(jù)挖掘第三版第六章課后習(xí)題答案數(shù)據(jù)挖掘第三版第六章課后習(xí)題答案數(shù)據(jù)挖掘第三版第六章課后習(xí)題答案編制僅供參考審核批準(zhǔn)生效日期地址：電話：傳真:郵編:數(shù)據(jù)質(zhì)量可以從多方面評估，包括準(zhǔn)確性、完整性和一致性問題。對于以上每個問題，討論數(shù)據(jù)質(zhì)量的評估如何依賴數(shù)據(jù)的應(yīng)用目的，給出例子。提出數(shù)據(jù)質(zhì)量的其他兩個尺度。答：精確性：描述數(shù)據(jù)是否與其對應(yīng)的客觀實(shí)體的特征相一致。完整性：描述數(shù)據(jù)是否存在缺失記錄或缺失字段。一致性：描述同一實(shí)體的同一屬性的值在不同的系統(tǒng)或數(shù)據(jù)集中是否一致。數(shù)據(jù)質(zhì)量依賴于數(shù)據(jù)的應(yīng)用。對于給定的數(shù)據(jù)庫，兩個不同的用戶可能有完全不同的評估。例如，市場分析人員可能訪問公司的銷售事務(wù)數(shù)據(jù)庫（該數(shù)據(jù)庫里面并非是所有的顧客信息都是可以得到的。其他數(shù)據(jù)沒有包含在內(nèi)，可能只是因?yàn)檩斎霑r認(rèn)為是不重要的，相關(guān)的數(shù)據(jù)沒有記錄可能是由于理解錯誤，或者因?yàn)樵O(shè)備故障），得到顧客地址的列表。有些地址已經(jīng)過時或不正確，但畢竟還有80%的地址是正確的。市場分析人員考慮到對于目標(biāo)市場營銷而言，這是一個大型顧客數(shù)據(jù)庫，因此對該數(shù)據(jù)庫的準(zhǔn)確性還算滿意，盡管作為銷售的經(jīng)理，你發(fā)現(xiàn)數(shù)據(jù)是不正確的。另外兩種度量尺度：有效性：描述數(shù)據(jù)是否滿足用戶定義的條件或在一定的域值范圍內(nèi)。唯一性：描述數(shù)據(jù)是否存在重復(fù)記錄。在習(xí)題中，屬性age包括如下值（以遞增序）：13、15、16、16、19、20、20、21、22、22、22、25、25、25、25、30、33、33、35、35、35、35、36、40、45、46、52、70使用深度為3的箱，用箱均值光滑以上數(shù)據(jù)。說明你的步驟，討論這種技術(shù)對給定數(shù)據(jù)的效果。答：劃分為（等頻的）箱：箱1：13、15、16、16、19、20、20、21、22箱2：22、25、25、25、25、30、33、33、35箱3：35、35、35、36、40、45、46、52、70用箱均值光滑：箱1：18、18、18、18、18、18、18、18、18箱2：、、、、、、、、箱3：、、、、、、、、分箱方法通過考察數(shù)據(jù)的“近鄰”來光滑有序數(shù)據(jù)值，進(jìn)而去掉“噪聲”，即去掉被測量的變量的隨機(jī)誤差或方差。(b)如何確定該數(shù)據(jù)的離群點(diǎn)答：可以通過聚類來檢測離群點(diǎn)。即將類似的值組織成群或“簇”，直觀地，落在簇集合之外的值被視為離群點(diǎn)。(c)還有什么方法來光滑數(shù)據(jù)答：另外的方法是回歸：用函數(shù)擬合數(shù)據(jù)來光滑數(shù)據(jù)。這種技術(shù)被稱為回歸。線性回歸涉及找出擬合兩個屬性（或變量）的“最佳”直線，使得一個屬性可以用來預(yù)測另一個。如下規(guī)范化方法的值域是什么最小-最大規(guī)范化答：[new_min,new_max]Z分?jǐn)?shù)規(guī)范化答：[(old_min－mean)/σ，(old_max－mean)/σ]Z分?jǐn)?shù)規(guī)范化，使用均值絕對偏差而不是標(biāo)準(zhǔn)差、答：(－∞，+∞)小數(shù)定標(biāo)規(guī)范化答：(－,使用習(xí)題給出的age數(shù)據(jù)，回答以下問題：使用最小-最大規(guī)范化將age值35變換到[,]區(qū)間。答：35-13/70-13=使用z分?jǐn)?shù)規(guī)范化變換age值35，其中age的標(biāo)準(zhǔn)差為歲。答：均值為計(jì)算得使用小數(shù)定標(biāo)規(guī)范化變換age值35答：指出對于給定的數(shù)據(jù)，你愿意使用哪種方法。陳述你的理由。答：我更喜歡用z分?jǐn)?shù)規(guī)范化，因?yàn)閦分?jǐn)?shù)不受離群點(diǎn)影響假設(shè)12個銷售價格記錄已經(jīng)排序，如下所示：5,10,11,13,15,35,50,55,72,92,204,215使用如下個方法將它們劃分成三個箱。等頻（等深）劃分箱1:5，10，11