數(shù)據(jù)挖掘復(fù)習(xí)題綱(編輯修改稿)
2025-05-14 01:46 本頁面
【文章內(nèi)容簡介】 的散點圖和qq圖。三，age包括如下值（以遞增序）：13，15，16，16，19，20，20，21，22，22，25，25，25，25，30，33，33，35，35，35，35，36，40，45，46，52，70.A) 使用蔞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)對緞帶定數(shù)據(jù)的效果。B) 如何確定該數(shù)據(jù)中的離群點？C) 還有什么其他方法來光滑數(shù)據(jù)？(a) 使用分箱均值光滑對以上數(shù)據(jù)進行光滑，箱的深度為3。解釋你的步驟。評述對于給定的數(shù)據(jù)，該技術(shù)的效果。用箱深度為3 的分箱均值光滑對以上數(shù)據(jù)進行光滑需要以下步驟：?? 步驟1：對數(shù)據(jù)排序。（因為數(shù)據(jù)已被排序，所以此時不需要該步驟。）?? 步驟2：將數(shù)據(jù)劃分到大小為3 的等頻箱中。箱1：13，15，16 箱2：16，19，20 箱3：20，21，22箱4：22，25，25 箱5：25，25，30 箱6：33，33，35箱7：35，35，35 箱8：36，40，45 箱9：46，52，70?? 步驟3：計算每個等頻箱的算數(shù)均值。?? 步驟4：用各箱計算出的算數(shù)均值替換每箱中的每個值。箱1：44/3，44/3，44/3 箱2：55/3，55/3，55/3 箱3：21，21，21箱4：24，24，24 箱5：80/3，80/3，80/3 箱6：101/3，101/3，101/3箱7：35，35，35 箱8：121/3，121/3，121/3 箱9：56，56，56(b) 如何確定數(shù)據(jù)中的離群點？聚類的方法可用來將相似的點分成組或“簇”，并檢測離群點。落到簇的集外的值可以被視為離群點。作為選擇，一種人機結(jié)合的檢測可被采用，而計算機用一種事先決定的數(shù)據(jù)分布來區(qū)分可能的離群點。這些可能的離群點能被用人工輕松的檢驗，而不必檢查整個數(shù)據(jù)集。(c) 對于數(shù)據(jù)光滑，還有哪些其他方法？其它可用來數(shù)據(jù)光滑的方法包括別的分箱光滑方法，如中位數(shù)光滑和箱邊界光滑。作為選擇，等寬箱可被用來執(zhí)行任何分箱方式，其中每個箱中的數(shù)據(jù)范圍均是常量。除了分箱方法外，可以使用回歸技術(shù)擬合成函數(shù)來光滑數(shù)據(jù)，如通過線性或多線性回歸。分類技術(shù)也能被用來對概念分層，這是通過將低級概念上卷到高級概念來光滑數(shù)據(jù)。？A) 最小最大規(guī)范化B) Z分?jǐn)?shù)規(guī)范化。C) Z分?jǐn)?shù)規(guī)范化，使用均值絕對念頭而不是標(biāo)準(zhǔn)差。D) 小數(shù)定標(biāo)規(guī)范化。(a) minmax 規(guī)范化。值域是[new_min, new_max]。(b) zscore 規(guī)范化。值域是[(old_min－mean)/σ，(old_max－mean)/σ]，總的來說，對于所有可能的數(shù)據(jù)集的值域是(－∞，+∞)。(c) 小數(shù)定標(biāo)規(guī)范化。值域是(－,)。：200，300，400，600，1000(a) min=0,max=1，最小最大規(guī)范化。(b) Z分?jǐn)?shù)規(guī)范化。(c) Z分?jǐn)?shù)規(guī)范化，使用均值絕對偏差而不是標(biāo)準(zhǔn)差。(d) 小數(shù)定標(biāo)規(guī)范化。(a) minmax 規(guī)范化。值域是[new_min, new_max]。(b) zscore 規(guī)范化。值域是[(old_min－mean)/σ，(old_max－mean)/σ]，總的來說，對于所有可能的數(shù)據(jù)集的值域是(－∞，+∞)。(c) 小數(shù)定標(biāo)規(guī)范化。值域是(－,)。，為什么許多公司更愿意使用更 新驅(qū)動的方法（構(gòu)造和使用數(shù)據(jù)倉庫），而不是查詢驅(qū)動的方法（使用包裝程序和集成程序）。描述一些查詢驅(qū)動方法比更 新驅(qū)動方法更可取的情況。 答： 因為對于多個異種信息源的集成， 查詢驅(qū)動方法需要復(fù)雜的信息過濾和集成處理， 并且與局部數(shù)據(jù)源上的處理競爭資源，是一種低效的方法，并且對于頻繁的查詢，特別是需 要聚集操作的查詢，開銷很大。而更新驅(qū)動方法為集成的異種數(shù)據(jù)庫系統(tǒng)帶來了高性能，因 為數(shù)據(jù)被處理和重新組織到一個語義一致的數(shù)據(jù)存儲中， 進行查詢的同時并不影響局部數(shù)據(jù) 源上進行的處理。此外，數(shù)據(jù)倉庫存儲并集成歷史信息，支持復(fù)雜的多維查詢。 ，可以用例子解釋你的觀點。（a） 雪花模式、事實星座、星網(wǎng)查詢模型。（b） 數(shù)據(jù)清理、數(shù)據(jù)變換、刷新。（c） 發(fā)現(xiàn)驅(qū)動的立方體、多特征冷言冷語腐朽 、虛擬倉庫（a） 雪花形模式、事實星座形、星形網(wǎng)查詢模型。 答：雪花形和事實星形模式都是變形的星形模式，都是由事實表和維表組成，雪花形模式的維表都是規(guī)范化的；而事實星座形的某幾個事實表可能會共享一些維表；星形網(wǎng)查詢模型是一個查詢模型而不是模式模型，它是由中心點發(fā)出的涉嫌組成，其中每一條射線代表一
教學(xué)教案相關(guān)推薦
鄂ICP備17016276號-1