数据仓库与数据挖掘技术-试题答案.doc

《数据仓库与数据挖掘技术-试题答案.doc》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、数据仓库与数据挖掘技术答案一、简答1.为什么需要对数据进行预处理？数据预处理主要包括哪些工作（需要对数据进行哪些方面预处理）?（1）现实世界的数据是杂乱的，数据多了什么问题会出现。数据库极易受到噪音数据(包含错误或孤立点）、遗漏数据（有些感兴趣的属性缺少属性值或仅包含聚集数据）和不一致数据（在编码或者命名上存在差异）的侵扰，因为数据库太大，常常多达几G或更多。进行数据预处理，提高数据质量，从而提高挖掘结果质量。（2）数据预处理主要包括：数据清理：去除数据中的噪音、纠正不一致；数据集成：将数据由多个源合并成一致的数据存储，如数据仓库或数据方；数据交换：规范化或聚集可以改进涉及距离度量的挖掘算法

2、精度和有效性；数据归约：通过聚集、删除冗余特征或聚类等方法来压缩数据。数据离散化：属于数据归约的一部分，通过概念分层和数据的离散化来规约数据，对数字型数据特别重要。2.什么叫有监督学习？什么叫无监督学习？监督学习（Supervisedlearning）是通过发现数据属性和类别属性之间的关联模式，并通过利用这些模式来预测未知数据实例的类别属性。监督学习又称为分类Classification或归纳学习InductiveLearning。无监督学习（Unsupervisedlearning）即聚类技术。在一些应用中，数据的类别属性是缺失的，用户希望通过浏览数据来发现其的某些内在结构。聚类就是发现这

3、种内在结构的技术。3.什么是数据仓库的星形模式？它与雪花模式有何不同？雪花模式与星形模式不同在于：雪花模式的维表可能是规范化形式，以便减少冗余。这种表易于维护，并节省存储空间，因为当维结构作为列包含在内时，大维表可能非常大。然而，与巨大的事实表相比，这种空间的节省可以忽略。此外，由于执行查询更多的连接操作，雪花结构可能降低浏览的性能。这样系统的性能可能受影响。因此，在数据仓库设计中，雪花模式不如星形模式流行。二、写出伪代码三答：（1）所有频繁项集为：[E,K,O][K,M][K,Y](2)关联规则:[O]->[E,K]1.0[E,O]->[K]1.0[K,O]->[E]1.0[M]->[K]

4、1.0[Y]->[K]1.0答：a)决策树表示一种树型结构，它由它的分来对该类型对象依靠属性进行分类。每个决策树可以依靠对源数据库的分割进行数据测试。这个过程以递归的方式对树进行修剪。当不能再分割时，递归完成。因此决策树不会无限循环。b)0c)sized)Children,SIN,classpublic class BayesClassifier {    private TrainingDataManager tdm;//训练集管理器    private String trainnigDataPath;//训练集路径    private static double zoomFactor

5、 = 10.0f;    /**    * 默认的构造器，初始化训练集    */    public BayesClassifier()     {        tdm =new TrainingDataManager();    }    /**    * 计算给定的文本属性向量X在给定的分类Cj中的类条件概率    * ClassConditionalProbability连乘值    * @param X 给定的文本属性向量    * @param Cj 给定的类别    * @return 分类条件概率连乘值，即
    */    float c

6、alcProd(String[] X, String Cj)     {        float ret = 1.0F;        // 类条件概率连乘        for (int i = 0; i 

7、lculatePc(Cj);        return ret;    }    /**    * 去掉停用词    * @param text 给定的文本    * @return 去停用词后结果    */    public String[] DropStopWords(String[] oldWords)    {        Vector v1 = new Vector