數(shù)據(jù)倉庫與數(shù)據(jù)挖掘技術(shù)復(fù)習(xí)資料(編輯修改稿)
2025-05-14 01:45 本頁面
【文章內(nèi)容簡介】 序數(shù)型以及混合類型等。8．?dāng)?shù)據(jù)立方體是數(shù)據(jù)的多維建模和表示，由維和事實組成。維就是涉及的（ 屬性 ）、而事實是一個具體的（ 數(shù)據(jù)）。（方法）包括（ 數(shù)據(jù)清洗 ）、（ 數(shù)據(jù)變換 ）、（數(shù)據(jù)集成）和數(shù)據(jù)歸約等。（ Apriori）算法和（FP_Growth）算法,其中（ FP_Growth ）算法的效率更高。：直接換元法、（間接代換法）和（ 非線性型）三種。（自學(xué)習(xí) ）功能、具有（聯(lián)系存儲 ）功能和具有高速尋找優(yōu)化解的能力三個方面。13. ID3算法只能對描述屬性為（ 離散 ）型屬性的數(shù)據(jù)集構(gòu)造決策樹。，Web挖掘可分為內(nèi)容挖掘、（ ）和（ ）。（ 輸入）、（ 輸出 ）以及一或多個隱含結(jié)點組成。三、判斷題1. 數(shù)據(jù)挖掘的目標(biāo)不在于數(shù)據(jù)采集策略，而在于對于已經(jīng)存在的數(shù)據(jù)進(jìn)行模式的發(fā)掘。 ( 對 )2. 模式為對數(shù)據(jù)集的全局性總結(jié)，它對整個測量空間的每一點做出描述；模型則對變量變化空間的一個有限區(qū)域做出描述。 （ 錯）3. 數(shù)據(jù)倉庫中間層OLAP服務(wù)器只能采用關(guān)系型OLAP。 （ 錯）4. 特征提取技術(shù)并不依賴于特定的領(lǐng)域?！ ? （ 錯 ）5. 定量屬性可以是整數(shù)值或者是連續(xù)值?！ ? （ 對）6. Web數(shù)據(jù)挖掘是通過數(shù)據(jù)庫仲的一些屬性來預(yù)測另一個屬性,它在驗證用戶提出的假設(shè)過程中提取信息。 （ 錯），待分樣本的分類結(jié)果取決于各類域中樣本的全體。 ( 錯)8. 給定由兩次運行K均值產(chǎn)生的兩個不同的簇集，誤差的平方和最大的那個應(yīng)該被視為較優(yōu)。 （ 錯）。9. 如果規(guī)則不滿足置信度閾值，則形成的規(guī)則一定也不滿足置信度閾值，其中是X的子集。 （ 對），分類的輸出是離散的類別值，而回歸的輸出是連續(xù)數(shù)值。 ( 對)，那么該對象是基于聚類的離群點。 （對 ）12. K均值是一種產(chǎn)生劃分聚類的基于密度的聚類算法，簇的個數(shù)由算法自動地確定。 （錯 ）13. 數(shù)據(jù)挖掘的主要任務(wù)是從數(shù)據(jù)中發(fā)現(xiàn)潛在的規(guī)則，從而能更好的完成描述數(shù)據(jù)、預(yù)測數(shù)據(jù)等任務(wù)。 ( 對 )14. 離散屬性總是具有有限個值。 （ 錯 ）15. 用于分類的離散化方法之間的根本區(qū)別在于是否使用類信息?！。? 對 ）16. 特征提取技術(shù)
教學(xué)教案相關(guān)推薦
鄂ICP備17016276號-1