一、填空題

1.Web挖掘可分卷、和3大類。

2.數據倉庫需要統壹數據源，包括統壹―、統壹—、統壹—和統壹數據特性

410方面。

3.數據分割壹般準畤間、—、—、—以及組合措施迤行。

4.噪聲數據處理的措施重要有—、—和—。

5.數值歸約的常用措施有一、—、—、—和卦數模型等。

6.評價關聯規則的2（0重要指檄是—和—。

7.多維數據集壹股采用或省花型架構，以表卷中心，連接多種表。

8.決策樹是用—作懸結黠，用—作卷分支的樹構造。

9.關聯可分卷簡樸關聯、—和—o

10.BP神^網絡的作用函數壹般卷—區間的—o

11.數據挖掘的謾程重要包括確定業務封象、—、—、—及知識同化等幾種環

節。

12.數據挖掘技術重要波及—、—和—3彳固技術領域。

13.數據挖掘的重要功能包括—、—、—、—、趨勢分析、孤立黠分析和偏

差分析7值1方面。

14.人工神^網絡具有—和—等特黠，其構造模型包括—、—和自組織網絡

3種。

15.數據倉庫數據的4他基本特性是—、—、非易失、隨日寺間變化。

16.數據倉庫的數據宜般劃分卷—、—、—和—等幾種級別。

17.數據預處理的重要內容（措施）包括—、—、—和數據歸約等。

18.平滑分箱數據的措施重要有—、—和—。

19.數據挖掘發現知識的類型重要有廣義知識、—、—、—和偏差型知識五種。

20.0LAP的數據組織方式重要有—和—兩種。

21.常見的0LAP多維數據分析包括—、—、—和旋轉等操作。

22.老式的決策支持系統是以—和—驅勃，而新決策支持系統則是以—、建

立在和技術之上。

23.0LAP的數據組織方式重要有—和—2種。

24.SQLServer的OLAP組件叫,OLAP操作窗口叫。

25.BP神^網絡由—、—以及壹或多種—結粘構成。

26.遺傳算法包括、、R佰1基本算子。

27.聚類分析的數據壹般可分卷區間襟度變量、—、—、—、序數型以及混合

類型等。

28.聚類分析中最常用的距離計算公式有—、—、—等。

29.基于劃分的聚類算法有—和—。

3O.Clementine的工作流壹般由—、—和一等節黠連接而成。

31.簡樸地三心數據挖掘就是優—中挖掘—的遇程。

32.數據挖掘有關的名稱尚有、、等。

、判斷題

)1.數據倉庫的數據量越大，其應用價值也越大。

)2.啤酒與尿布的故事是聚類分析的^典實例。

)3.等深分箱法使每他箱子的記錄他數相似。

)4.數據倉庫“粒度”越細，記錄數越少。

)5.數據立方體由3維構成，Z軸表達事實數據。

)6.決策樹措施壹般用于關聯規則挖掘。

)7.1D3算法是決策樹措施的初期代表。

)8.C4.5是壹種^典的關聯規則挖掘算法。

)9.回歸分析宣般用于挖掘關聯規則。

)10.人工神畿網絡尤其適合處理多參數大復雜度冏題。

)11.概念關系分析是文本挖掘所獨有的。

)12.可信度是封關聯規則的精確度的衡量。

)13.孤立黠在數據挖掘^^是被視卷異常、維用數據而丟棄。

)14.SQLServer不提供關聯規則挖掘算法。

)15.Clementine是IBM企業的專業級數據挖掘軟件。

)16.決策樹措施尤其適合于處理數值型數據。

)17.數據倉庫的數據卷歷史數據，歷來不需要更新。

)18.等寬分箱法使每他箱子的取值區間相似。

)19.數據立方體是廣義知識發現的措施和技術之壹。

)20.數據立方體的其中壹維用于記錄事實數據。

)21.決策樹壹般用于分類與預測。

)22.Apriori算法是壹種^典的關聯規則挖掘算法。

)23.支持度是衡量關聯規則重要性的壹種指襟。

)24.SQLServer集成了OLAP,但不具有數據挖掘功能。

)25.人工神^網絡常用于分類與預測。

,、名同解釋

1.數據倉庫：是壹種新的數據處理體系構造，是面向主題的、集成的、不可更新

的(穩定性)、隨畤間不停變化(不壹樣步間)的數據集合，卷企業決策支持系統

提供所需的集成信息。

2.孤立黠：指數據庫中包括的某些與數據的壹般行卷或模型不壹致的異常數據。

3.OLAP：OLAP是在OLTP的基礎上發展起來的，以數據倉庫卷基礎的數據分析處

理，是共享多維信息的迅速分析，是被專門設計用于支持復雜的分析操作，側

重封分析人員和高層管理人員的決策支持。

4.粒度：指數據倉庫的數據軍位中保留數據細化或淙合程度的級別。粒度影響寄

存在數據倉庫中的數據量的大小，同步影響數據倉庫所能回答查冏詢題的細節

程度。

5.數據規范化：指將教據按比例縮放（如更換大軍位），使之落入壹種特定的區域

（如0—1）以提高數據挖掘效率的措施。規范化的常用措施有：最大一最小規

范化、零一均值規范化、小數定襟規范化。

6.關聯知識：是反應壹種事件和其他事件之間依賴或互相關聯的知識。假如兩項

或多項屬性之間存在關聯，那么其中壹項的屬性值就可以根據其他屬性值迤行

預測。

7.數據挖掘：優大量的、不完全的、有噪聲的、模糊的、隨機的數據中，提取除

含在其中的、人儼J事先不懂得的、但又是潛在有用的信息和知識的遇程。

8.OLTP：OLTP卷聯機事務處理的縮寫，OLAP是聯機分析處理的縮寫。前者是以數

據庫卷基礎的，面封的是操作人員和低層管理人員，封基本數據暹行查詢和增、

刪、改等處理。

9.ROLAP：是基于關系數據庫存儲方式的，在造種構造中，多維數據被映像成二維

關系表，堂般采用星型或雪花型架構，由直種事實表和多種維度表構成。

10.MOLAP：是基于類似于“超立方”塊的OLAP存儲構造，由言午多^壓縮的、類似

于多維數組的封象構成，并帶有高度壓縮的索引及指針構造，通遇直接偏移「

算暹行存取。

II.數據歸約：縮小數據的取值范圍，使其更適合于數據挖掘算法的需要，并且可

以得到和原始數據相似的分析成果。

12.廣義知識：通謾封大量數據的歸納、概括和抽象，提煉出帶有普遍性的、概括

性的描述記錄的知識。

13.預測型知識：是根據畤間序列型數據，由歷史的和目前的數據去推測未來的數

據，也可以認卷是以畤間卷關鍵屬性的關聯知識。

14.偏差型知識：是卦差異和極端特例的描述，用于揭示事物偏離常規的異常現象,

如原則類外的特例，數據聚類外的離群值等。

15.遺傳算法：是壹種優化搜索算法，它首先產生壹種初始可行解群體，然彳及封道

倜群體通遇模擬生物謹化的選擇、交叉、變異等遺傳操作遺傳到下壹代群體，

并最終到達全局最優。

16.聚類：是將物理或抽象封象的集合分構成^多種類或簇Glust"）的謾程，使得

在同壹種簇中的封象之間具有較高的相似度，而不壹樣簇中的卦象差異較大。

17.決策樹：是用樣本的屬性作卷結黠，用屬性的取值作卷分支的樹構造。它是分

類規則挖掘的典措施，可用于封新樣本暹行分類。

18.相異度矩陣：是聚類分析中用于表達各卦象之間相異度的壹種矩陣，n他I封象

的相異度矩陣是壹種rm維的軍模矩陣，其封角線元素均卷0,封角線兩側元素

的值相似。

19.頻繁項集：指滿足最小支持度的項集，是挖掘關我規則的基本條件之壹。

20.支持度：規則A-B的支持度指的是所有事件中A與B同地發生的的概率，即

P(AUB),是AB同步發生的次數與事件^次數之比。支持度是封關聯規則重要

性的衡量。

21.可信度：規則A-B的可信度指的是包括A項集的同步也包括B項集的條件概率

P(BA),是AB同步發生的次數與A發生的所有次數之比。可信度是封關聯規則

的精確度的衡量。

22.關聯規則：同步滿足最小支持度閾值和最小可信度閾值的規則稱之卷關聯規則。

四、綜合題

1.何謂數據挖掘？它有哪些方面的功能？

優大量的、不完全的、有噪聲的、模糊的、隨機的數據中，提取隱含在其中

的、人儼1事先不懂得的、但又是潛在有用的信息和知識的謾程稱懸數據挖掘。有

關的名稱有知識發JS、數據分析、數據融合、決策支持等。

數據挖掘的功能包括：概念描述、關聯分析、分類與預測、聚類分析、趨勢

分析、孤立黠分析以及偏差分析等。

2.何謂數據倉庫？卷何要建立數據倉庫？

數據倉庫是壹種新的數據處理體系構造，是面向主題的、集成的、不可更新

的(穩定性)、隨日寺間不停變化(不壹樣步間)的數據集合，卷企業決策支持系統提

供所需的集成信息。

建立數據倉庫的目的有3倜：

壹是卷了處理企業決策分析中的系統響應冏題，數據倉庫能提供比老式事務

數據庫更快的大規模決策分析的響應速度。

二是處理決策分析封數據的特殊需求冏題。決策分析需要全面的、封的的集

成數據，道是老式事務數據庫不能直接提供的。

三是處理決策分析封數據的特殊操作規定。決策分析是面向專'也顧客而非壹

般業務員，需要使用專業的分析工具，封分析成果遢要以商業智能的方式暹行體

現，道是事務數據庫不能提供的。

3.列舉操作型數據與分析型數據的重要區別。

操作型數據分析型數據

目前的、細節的歷史的、綜合的

面向應用、事務驅勒面向分析、分析驅勃

頻繁增、冊||、改幾乎不更新，定期追加

操作需求事先懂得分析需求事先不懂得

生命周期符合SDLC完全不壹樣的生命周期

封性能規定高封性能規定寬松

壹次操作數據量小壹次操作數據量大

支持平常事務操作支持管理決策需求

4.何謂OLTP和OLAP?它優的重要異同有哪些？

OLTP即聯機事務處理，是以老式數據庫卷基礎、面向操作人員和低層管理

人員、封基本數據迤行查詢和增、刪、改等的平常事務處理。OLAP即聯機分析

處理，是在OLTP基礎上發展起來的、以數據倉庫基礎上的、面向高層管理人員

和專業分析人員、卷企業決策支持服務。

OLTP和OI.AP的重要區別如下表:

OLTPOLAP

數據庫數據數據庫或數據倉庫數據

細節性數據綜合性數據

目前數據歷史數據

常常更新不更新，但周期性刷新

壹次性處理的數據量小壹次處理的數據量大

封響應畤間規定高響應畤間合理

顧客數量大顧客數據相封較少

面向操作人員，支持平常操作面向決策人員，支持管理需要

面向應用，事務驅助面向分析，分析驅勃

5.何謂粒度？它封數據倉庫有什么影響？按粒度組織數據的方式有哪些？

粒度是指數據倉庫的數據罩位中保留數據細化或綜合程度的級別。粒度影響

寄存在數據倉庫中的數據量的大小，同步影響數據倉庫所能回答查周詢題的細節

程度。按粒度組織數據的方式重要有：

①簡樸堆積構造

②輪轉綜合構造

③簡樸直接構造

④持續構造

6.簡述數據倉庫設計的三級模型及其基本內容。

概念模型設計是在較高的抽象層次上的設計，其重要內容包括：界定系統邊

界和確定重要的主題域。

邏輯模型設計的重要內容包括：分析主題域、確定粒度層次劃分、確定數據

分割方略、定義關系模式、定義記錄系統。

物理數據模型設計的重要內容包括：確定數據存儲構造、確定數據寄存位置、

確定存儲分派以及確定索引方略等。在物理數據模型設計畤重要考慮的原因有：

I/O存取畤間、空間運用率和維護代價等。

提高性能的重要措施有劃分粒度、數據分割、合并表、建立數據序列、引入

冗余、生成導出數據、建立廣義索引等。

7.在數據挖掘之前卷何要封原始數據暹行預處理？

原始業務數據來自多種數據庫或數據倉庫，它儼］的構造和規則也^是不壹樣

的，道將導致原始數據非常的雜亂、不可用，雖然在同壹種數據庫中，也也^存

在反復的和不完整的數據信息，卷了使道些數據可以符合數據挖掘的規定，提高

效率和得到清晰的成果，必須暹行數據的預處理。

卷數據挖掘算法提供完整、潔凈、精確、有針封性的數據，減少算法的計算

量，提高挖掘效率和精確程度。

8.簡述數據預處理措施和內容。

①數據清洗：包括填充空缺值，識別孤立鉆，去掉噪聲和輾關數據。

②數據集成：將多種數據源中的數據結合起來寄存在壹種壹致的數據存儲中。

需要注意不登樣數據源的數據匹配冏題、數值沖突冏題和冗余冏題等。

③數據變換：將原始數據轉換成卷適合數據挖掘的形式。包括封數據的匯幺恩、

匯集、概化、規范化，遢也考午需要迤行屬性的重構。

④數據歸約：縮小數據的取值范圍，使其更適合于數據挖掘算法的需要，并且

可以得到和原始數據相似的分析成果。

9.簡述數據清理的基本內容。

①盡量賦予屬性名和屬性值明確的含義；

②統壹多數據源的屬性值編碼；

③清除輾用的惟壹屬性或鍵值（如自勤增房的id）；

④清除反復屬性（在某些分析中，年齡和出生曰期也言午就是反復的屬性，但在某

些日寺候它什，也言午又是同步需要的）

⑤消除可忽視字段（大部分^空值的屬性壹般是沒有什么價值的，假如不清除也

者午導致金音誤的數據挖掘成果）

?合理選擇關聯字段（封于多種關聯性較強的屬性，反復輾益，只需選擇其中的

部分用于數據挖掘即可，如價格、數據、金額）

⑦去掉數據中的噪音、填充空值、丟失值和處理不壹致數據。

10.簡述處理空缺值的措施。

①忽視該記錄；

②去掉屬性；

③手工填寫空缺值；

④使用默認值；

⑤使用屬性平均值；

⑥使用同類樣本平均值：

⑦預測最也^的值。

II.常見的分箱措施有哪些？數據平滑處理的措施有哪些？

分箱的措施重要有：

①統壹權重法（又稱等深分箱法）

②統壹區間法（又稱等寬分箱法）

③最小焙法

④自定義區間法

數據平滑的措施重要有：平均值法、邊界值法和中值法。

12.何謂數據規范化？規范化的措施有哪些？寫出封應的變換公式。

將數據按比例縮放(如更換大軍位)，使之落入壹種特定的區域(如0.0?

1.0),稱卷規范化。規范化的常用措施有：

(1)最大一最小規范化：max-min,..

x=------------------(x—mui)+min

n0n

(maxf,-niin?)°

(2)零均值規范化：X-A

x=o------

W

(3)小數定襟規范化：^=V10"

13.數據歸約的措施有哪些？卷何要暹行維歸約？

①數據立方體匯集

②維歸約

③數據壓縮

④數值壓縮

⑤離散化和概念分層

維歸約可以去掉不重要的屬性，減少數據立方體的維數，優而減少數據挖掘

處理的數據量，提高挖掘效率。

14.何謂聚類？它與分類有什么異同？

聚類是將物理或抽象封象的集合分構成卷多種類或簇(cluster)的謾程，便

得在同壹種簇中的封象之間具有較高的相似度，而不壹樣簇中的封象差異較大。

聚類與分類不壹樣，聚類要劃分的類是未知的，分類則可按已知規則誕行;

聚類是壹種輾指導摯習，它不依賴預先定義的類和帶類襟號的訓練實例，屬于

觀測式摯習，分類則屬于有指導的學習，是示例式摯習。

15.舉例闡明聚類分析的^典應用。

①商、亞：協助市埸分析人員優客戶基本庫中發現不壹樣的客戶群，并且用不壹

樣的購置模式描述不壹樣客戶群的特性。

②生物孥：推導植物或勤物的分類，封基于迤行分類，獲得封種群中固有構造

的認識。

③跖?文檔分類

④其他：如地球觀測數據庫中相似地區確實定：各類保險投保人的分組：壹種

都市中不壹樣類型、價值、地理位置房子的分組等。

⑤聚類分析遢可作卷其他數據挖掘算法的預處理：即先暹行聚類，然彳爰再逛行

分類等其他的數據挖掘。聚類分析是壹種數據簡化技術，它把基于相似數據

特性的變量或他1案組合在壹起。

16.聚類分析中常見的數據類型有哪些？何謂相異度矩陣？它有什么特鉆？

常見數據類型有區間襟度變量、比例襟度型變量、二元變量、檄稱型、序教

型以及混合類型等。相異度矩陣是用于存儲所有封象兩兩之間相異度的矩陣，

壹種nn維的軍模矩陣。其特黠是d(i,j)=d(j,i),d(i,i)=0,d(j,j)=0o如下

所示：

-0'

(1(2,1)0

d(3,l)d(3,2)0

????

■?????

d(n,l)d(n,2)..........0

17.分類知識的發現措施重要有哪些？分類謾程壹般包括哪兩fel環節？

分類規則的挖掘措施壹般有：決策樹法、貝葉斯法、人工神^網絡法、粗

糙集法和遺傳算法。分類的謾程包括2步：首先在已知訓練數據集上，根據屬

性特性，卷每壹種類別找到壹種合理的描述或模型，即分類規則：然彳為根據規

則封新數據暹行分類。

18.什么是決策樹？怎樣用決策樹迤行分類？

決策樹是用樣本的屬性作卷結粘;用屬性的取值作卷分支的樹構造。它是

運用信息論原理封大量樣本的屬性暹行分析和歸納而產生的。決策樹的根幺吉鉆

是所有樣本中信息量最大的屬性。樹的中間結黠是以該幺吉黠卷根的子樹所包括

的樣本子集中信息量最大的屬性。決策樹的葉東吉貼是樣本的類別值。

決策樹用于封新樣本的分類，即通遇決策樹封新樣本屬性值的測試，優樹

的根結始，按照樣本屬性的取值，逐漸沿著決策樹向下，直到樹的葉結黠,

該葉結,粘表達的類別就是新樣本的類別。決策樹措施是數據挖掘中非常有效的

分類措施.

19.簡述ID3算法的基本思想及其主算法的基本環節。

首先找出最有鑒別力的原因，然彳爰把數據提成多種子集，每他子集又選擇

最有鑒別力的原因深入劃分，壹直暹行到所有子集僅包括同壹類型的數據卷止。

最終得到壹棵決策樹，可以用它來封新的樣例迤行分類。

主算法包括如下幾步：

①優訓練集中隨機選擇壹種既含正例又含反例的子集(稱卷窗口)；

②用“建樹算法”封目前窗口形成宜棵決策樹；

③封訓練集(窗口除外)中例子用所得決策樹迤行類別鑒定，找出貧昔判的例

子；

④若存在金昔判的例子，把它件號插入窗口，反復環節②，否則結束。

20.簡述ID3算法的基本思想及其建樹算法的基本環節。

首先找出最有鑒別力的原因，然彼把數據提成多種子集，每倜子集又選擇

最有鑒別力的原因淡入劃分，壹直暹行到所有子集僅包括同壹類型的數據懸止。

最終得到壹棵決策樹，可以用它來封新的樣例暹行分類。

建樹算法的詳細環節如下：

①封目前例子集合，計算各特性的互信息；

②選擇互信息最大的特性A』

③把在Ak處取值相似的例子歸于同壹子集，Ak取幾種值就得兒種子集；

④封既含正例又含反例的子集，遞歸調用建樹算法；

⑤若子集僅含五例或反例，封應分枝楝上P或N,返回調用處。

21.設某事務項集構成如下表，填空完畢其中支持度和置信度的計算。

事務ID項集L2支持度為規則置信度先

T1A,CA,B33.3A-*B50

T2D,EA,C33.3C~A60

T3A,C,EA,D44.4A-D66.7

T4A,B,C,EB,D33.3B-D75

T5A,B,CC,D33.3C-D60

T6A,B,I)D,E33.3D-E43

T7A,C,1)??????

T8C,D,E

T9B,C,D

22.彳史信息處理角度看，神^元具有哪些基本特性？寫出描述神^元狀態的M-P方

程并闡明其含義。

基本特性：①多輸入、罩輸出；②突觸兼有興奮和克制兩種性能；③可畤間加

權和空間加權；④可產生脈沖；⑤脈沖可迤行傳遞；⑥非線性，有

閾值。

M-P方程：3萬/（2叱戶廠4）,心是神^元之間的連接強度，斗是閾值，

j

f（x）是階梯函數。

23.遺傳算法與老式尋優算法相比有什么特黠？

①遺傳算法卷群體搜索，有助于尋找到全局最優解；

②遺傳算法采用高效有方向的隨機搜索，搜索效率高；

③遺傳算法處理的封象是他體而不是參變量，具有廣泛的應用領域；

④遺傳算法使用適應值信息評估f0體，不需要導數或其他輔助信息-運算速

度快，適應性好；

⑤遺傳算法具有隱含并行性，具有更高的運行效率。

24.寫出非封稱二元變量相異度計算公式（即jaccard系數），并計算下表中各封象

間的相異度。

項目

test-1test-2test-3test-4test-5test-6

OBJ1YNPNNN

OBJ2YNPNPN

OBJ3NYNYNN