数据挖掘作业.docx

《数据挖掘作业.docx》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、1.下表由雇员数据库的训练数据组成，数据已泛化。例如，年龄“31…35”表示31到35的之间。对于给定的行，count表示department,status,age和salary在该行上具有给定值的元组数。status是类标号属性。departmentstatusagesalarycountsalessenior31...3546K...50K30salesjunior26...3026K...30K40salesjunior31...3531K...35K40systemsjunior21...2546K...50K20systemssenior31...3566K...

2、70K5systemsjunior26...3046K...50K3systemssenior41...4566K...70K3marketingsenior36...4046K...50K10marketingjunior31...3541K...45K4secretarysenior46...5036K...40K4secretaryjunior26...3026K...30K61)如何修改基本决策树算法，以便考虑每个广义数据元组（即每个行）的count。Status分为2个部分：Department分为4个部分：Senior共计52Sales共计110Junior共计

3、113Systems共计31Marketing共计14Secretary共计10Age分为6个部分：Salary分为6各部分：21…25共计2026K…30K共计4626…30共计4931K…35K共计4031…35共计7936K…40K共计436…40共计1041K…45K共计441…45共计346K…50K共计6346…50共计466K…70K共计8−−탿탿‴㈶⸷=−log−−log−=Ǥ位−−−−탿탿탿−탿−탿‴㈶⸷ࢋ࢖ࢇࢋࢇ=−−log−−log−−log−−log−−

4、−탿탿탿탿−−−log−−log−−log−−log−=Ǥ位−−1࢖ܕ‴ࢋ࢖ࢇࢋ‴ࢇ=‴㈶⸷−‴㈶⸷ࢋ࢖ࢇࢋ‴ࢇ=૙Ǥ૙૙位−−−‴㈶⸷࢖�ࢋ=−−log−−log−−log−−log−−−−−−−−탿탿탿탿탿탿탿−log−−log−−log−−log−−log−−log−−−탿탿탿탿

5、−−log−−log−=Ǥ位࢖ܕ‴࢖�ࢋ=‴㈶⸷−‴㈶⸷࢖�ࢋ=૙Ǥ૙૜位−−−‴㈶⸷࢖࢖=−−log−−log−−log−−log−−−−−−−−−탿탿탿탿탿탿탿−log−−log−−log−−log−−log−−log−=Ǥ탿−−−탿−탿−탿−탿−位࢖ܕ‴࢖࢖=‴㈶⸷−‴㈶⸷࢖࢖=૙ǤǤ૙૞૙位由以上的计算知按信息增益从大到小对属性排列依次为：salary、age、

6、department，所以定salary作为第一层，之后剩下的数据如下：departmentstatusagesalarycountsalessenior31...3546K...50K30systemsjunior21...2546K...50K20systemsjunior26...3046K...50K3marketingsenior36...4046K...50K10由这个表可知department和age的信息增益将都为0。所以第二层可以为age也可以为department。2)构造给定数据的决策树。由上一小问的计算所构造的决策树如下：2Salary26K:30K

7、66K:70KJunior31K:35K36K:40KSenior41K:45K46K:50KJuniorSeniorJuniorAge21:2526:3036:4031:35JuniorJuniorSeniorSenior3)给定一个数据元组，它在属性department,age和salary上的值分别为“systems”，“26...30”和“46...50K”。该元组status的朴素贝叶斯分类结果是什么？P(status=senior)=52/165=0.3152P(status=junior)=113/6