數(shù)據(jù)挖掘復(fù)習(xí)題綱-展示頁
2025-04-26 01:46本頁面
【正文】 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)。B) 繪制age和%fat的盒圖。這些區(qū)間和對應(yīng)頻率如下所示：Age frequency15 200615 4501620 3002150 15005180 70080110 44計(jì)算該數(shù)據(jù)的近似中位數(shù)。反之，對落在該線以下的點(diǎn)則低。一條線（y=x）可畫到圖中，以增加圖像的信息。但分位數(shù)—分位數(shù)圖用縱軸表示一種單變量分布的分位數(shù)，用橫軸表示另一單變量分布的分位數(shù)。(g) 分位數(shù)—分位數(shù)圖與分位數(shù)圖的不同之處是什么？分位數(shù)圖是一種用來展示數(shù)據(jù)值低于或等于在一個(gè)單變量分布中獨(dú)立的變量的粗略百分比。(f) 畫出數(shù)據(jù)的盒圖。一個(gè)數(shù)據(jù)集的分布的5 數(shù)概括由最小值、第一個(gè)四分位數(shù)、中位數(shù)、第三個(gè)四分位數(shù)、和最大值構(gòu)成。而第三個(gè)四分位數(shù)應(yīng)發(fā)生在75%處，即在3(N+1)/4=21 處。(d) 你能（粗略地）找出數(shù)據(jù)的第一個(gè)四分位數(shù)（Q1）和第三個(gè)四分位數(shù)（Q3）嗎？數(shù)據(jù)集的第一個(gè)四分位數(shù)應(yīng)發(fā)生在25%處，即在(N+1)/4=7 處。(c) 數(shù)據(jù)的中列數(shù)是什么？數(shù)據(jù)的中列數(shù)是最大術(shù)和最小是的均值。G)分位數(shù)——分位數(shù)圖與分位數(shù)圖有何不同？解答：(a) 該數(shù)據(jù)的均值是什么？中位數(shù)是什么？(b) 該數(shù)據(jù)的眾數(shù)是什么？討論數(shù)據(jù)的峰（即雙峰、三峰等）。C)該數(shù)據(jù)的中列數(shù)是多少D)你能（粗略地）找出該據(jù)的第一個(gè)四分位數(shù)（Q1）和第三個(gè)四分位數(shù)（Q3）嗎？E)給出該數(shù)據(jù)的五數(shù)概括。聚類也便于分類法組織形式，將觀測組織成類分層結(jié)構(gòu)，把類似的事件組織在一起。對象根據(jù)最大花蕾內(nèi)部的相似性、最小化類之間的相似性的原則進(jìn)行聚類或分組。它們的相似性是他們都是預(yù)測的工具：分類被用作預(yù)測目標(biāo)數(shù)據(jù)的類的標(biāo)簽，而預(yù)測典型的應(yīng)用是預(yù)測缺失的數(shù)字型數(shù)據(jù)的值。這個(gè)組一個(gè)學(xué)生擁有一臺個(gè)人電腦的概率是98%（置信度，或確定度）。例如，一個(gè)數(shù)據(jù)挖掘系統(tǒng)可能發(fā)現(xiàn)的關(guān)聯(lián)規(guī)則為：major(X, “puting science”) ? owns(X, “personal puter”)[support=12%, confidence=98%]其中，X 是一個(gè)表示學(xué)生的變量。最終的描述可能是學(xué)生的一個(gè)一般可比較的輪廓，就像具有高GPA 的學(xué)生的75%是四年級計(jì)算機(jī)科學(xué)專業(yè)的學(xué)生，而具有低GPA 的學(xué)生的65%不是。?. 區(qū)分是將目標(biāo)類數(shù)據(jù)對象的一般特性與一個(gè)或多個(gè)對比類對象的一般特性進(jìn)行比較。特征化是一個(gè)目標(biāo)類數(shù)據(jù)的一般特性或特性的匯總。 定義下列數(shù)據(jù)挖掘功能：特征化、區(qū)分、關(guān)聯(lián)和相關(guān)性分析、分類、回歸、聚類、離君點(diǎn)分析。之所以有的大型數(shù)據(jù)倉庫系統(tǒng)架構(gòu)設(shè)計(jì)復(fù)雜，是因?yàn)榭紤]到了未來35年的擴(kuò)展性，這樣的話，客戶不用太快花錢去重建數(shù)據(jù)倉庫系統(tǒng)，就能很穩(wěn)定運(yùn)行?？蛻粢锤鞣N信息，肯定要準(zhǔn)確的數(shù)據(jù)，但由于數(shù)據(jù)倉庫流程至少分為3步，2次ETL，復(fù)雜的架構(gòu)會更多層次，那么由于數(shù)據(jù)源有臟數(shù)據(jù)或者代碼不嚴(yán)謹(jǐn)，都可以導(dǎo)致數(shù)據(jù)失真，客戶看到錯(cuò)誤的信息就可能導(dǎo)致分析出錯(cuò)誤的決策，造成損失，而不是效益。由于有的企業(yè)每日的數(shù)據(jù)量很大，設(shè)計(jì)不好的數(shù)據(jù)倉庫經(jīng)常會出問題，延遲13日才能給出數(shù)據(jù)，顯然不行的。 。 補(bǔ)充一下，數(shù)據(jù)倉庫的方案建設(shè)的目的，是為前端查詢和分析作為基礎(chǔ)，由于有較大的冗余，所以需要的存儲也較大。目前，大部分?jǐn)?shù)據(jù)倉庫還是用關(guān)系數(shù)據(jù)庫管理系統(tǒng)來管理的。當(dāng)然，向數(shù)據(jù)倉庫添加數(shù)據(jù)是允許的。數(shù)據(jù)倉庫反映的是歷史信息，并不是很多數(shù)據(jù)庫處理的那種日常事務(wù)數(shù)據(jù)(有的數(shù)據(jù)庫例如電信計(jì)費(fèi)數(shù)據(jù)庫甚至處理實(shí)時(shí)信息)。同樣都是累計(jì)購買過九車產(chǎn)品的顧客，一位是最近三個(gè)月購買九車，一位是最近一年從未買過，這對于決策者意義是不同的。數(shù)據(jù)倉庫則不同，出于決策的需要，數(shù)據(jù)倉庫中的數(shù)據(jù)都要標(biāo)明時(shí)間屬性。也就是說，市場里的菜(數(shù)據(jù))是按照小販(應(yīng)用程序)歸堆(存儲)的，超市里面則是按照菜的類型(同主題)歸堆的。這一點(diǎn)，類似于傳統(tǒng)農(nóng)貿(mào)市場與超市的區(qū)別—市場里面，白菜、蘿卜、香菜會在一個(gè)攤位上，如果它們是一個(gè)小販賣的。 “面向主題的”:傳統(tǒng)數(shù)據(jù)庫主要是為應(yīng)用程序進(jìn)行數(shù)據(jù)處理，未必按照同一主題存儲數(shù)據(jù)。 數(shù)據(jù)倉庫，是在數(shù)據(jù)庫已經(jīng)大量存在的情況下，為了進(jìn)一步挖掘數(shù)據(jù)資源、為了決策需要而產(chǎn)生的，它決不是所謂的“大型數(shù)據(jù)庫”。而分析系統(tǒng)是事后的，它要提供關(guān)注時(shí)間段內(nèi)所有的有效數(shù)據(jù)。
教學(xué)教案相關(guān)推薦
鄂ICP備17016276號-1