數(shù)據(jù)挖掘概念與技術(shù)課后題答案匯總-閱讀頁
2025-07-08 20:43本頁面
【正文】 ”到 department。iii. 取 department= “CS ”和 university= “Big University ”，沿課程（course）維和學(xué)生（student）維切片。c) 如果每維有 5 層（包括 all），如“studentmajorstatusuniversityall ”， 該立方體包含多少方體？這個(gè)立方體將包含 54=625 個(gè)方體。d) 畫出該查詢的多特征立方體圖。f) 這是一個(gè)分布式多特征立方體嗎？為什么？ 解答：(a) 畫出該查詢的多特征立方體圖。select item, region, month, Min(shelf), SUM(R1)from Purchase where year=2004cube by item, region, month: R1such that ≥*MIN(Shelf) and (≤*MIN(Shelf) and100(c) 這是一個(gè)分布式多特征立方體嗎？為什么？ 這不是一個(gè)分布多特征立方體，因?yàn)樵凇皊uch that”語句中采用了“≤”條 件。 節(jié)介紹了由頻繁項(xiàng)集產(chǎn)生關(guān)聯(lián)規(guī)則的方法。解釋它為什么比 節(jié)的方法更有效。）■ 數(shù)據(jù)庫有 5 個(gè)事物。 TID 購買的商品 T100 {M, O, N, K, E, Y}T200 {D, O, N, K, E, Y} T300 {M, A, K, E}T400 {M, U, C, K, Y}T500 {C, O, O, K, I, E}g) 分別使用 Aprio ri 和 FP 增長算法找出所有的頻繁項(xiàng)集。h) 列舉所有與下面的的元規(guī)則匹配的強(qiáng)關(guān)聯(lián)規(guī)則（給出支持度 s 和置 信度 c），其中，X 是代表顧客的變量，item 是表示項(xiàng)的變量（如“A”、 “B ”等）：?x∈transaction, buys(X, item 1)∧buys(X, item 2)?buys(X, item 3) [s, c]解答：(a) 分別使用 Aprio ri 和 FP 增長算法找出所有的頻繁項(xiàng)集。Aprio ri 算法：由于只有 5 次購買事件，所以絕對(duì)支持度是 5min_sup=3。再按支持度計(jì)數(shù)的遞減序排序，得到：L={(K:5), (E:4), (M:3), (O:3), (Y:3)}。RootK:5E:4M:1O:1M:2O:2 Y:1Y:1Y:1題 圖 FP 增長算法項(xiàng)條件模式基條件 FP 樹產(chǎn)生的頻繁模式Y(jié) O ME{{K,E,M,O:1} ，{K,E,O:1}，{K,M:1}}{{K,E,M:1} ，{K,E:2}}{{K,E:2} ，{K:1}}{{K:4}}K:3K:3 ，E:3K:3K:4{K,Y:3}{K,O:3}，{E,O:3} ，{K,E,O:3}{K,M:3}{K,E:4}效率比較：Aprio ri 算法的計(jì)算過程必須對(duì)數(shù)據(jù)庫作多次掃描，而 FP增長算 法在構(gòu)造過程中只需掃描一次數(shù)據(jù)庫，再加上初始時(shí)為確定支持度遞減排序 的一次掃描，共計(jì)只需兩次掃描。(b) 列舉所有與下面的的元規(guī)則匹配的強(qiáng)關(guān)聯(lián)規(guī)則（給出支持度 s 和置信度 c），其中，X 是代表顧客的變量，item 是表示項(xiàng)的變量（如“A”、“B ” 等）：?x∈transaction, buys(X, “K”) ∧buys(X, “O”)?buys(X, “E ”) [s=, c=1]?x∈transaction, buys(X, “E ”)∧buys(X, “E”) ?buys(X, “K”) [s=, c=1]或也可表示為K,O→E[s(support)= 或 60%,c(confid ence)=1 或 100%] E,O→K[s(support)= 或 60%,c(confid ence)=1 或 100%]■ （實(shí)現(xiàn)項(xiàng)目）使用你熟悉的程序設(shè)計(jì)語言（如 C++或 Java），實(shí)現(xiàn)本章介 紹的三種頻繁項(xiàng)集挖掘算法： 20081201 20090109第 6 章 分類和預(yù)測 簡述決策樹分類的主要步驟。數(shù)據(jù)已泛化。對(duì)于給定的行，count 表示 department，status，ag e和 salary 在該行具有給定值的元組數(shù)。k) 給定一個(gè)數(shù)據(jù)元組，它的屬性 department，age 和 salary 的值分別為 “systems”，“26…30”，和“46K…50K”。標(biāo)記輸入和輸出層節(jié)點(diǎn)。指出解答：你使用的初始權(quán)重和偏倚以及學(xué)習(xí)率。(c) 給 定一 個(gè)數(shù) 據(jù)元 組， 它的 屬性 department ，age 和 salary 的 值分 別為 “systems”，“26…30”，和“46K…50K”。 P(2630|junior)=(40+3+6)/113=49/113；P(46K50K|junior)=(20+3)/113=23/113；∵ X=(department=system, age=26 …30,salary=46K…50K)；∴ P(X|junior)=P(systems|junior)P(2630|junior)P(46K50K|junio r)=234923/1133=25921/1442897= ；P(systems|senior)=(5+3)/(30+5+3+10+4)=23/52。P(46K50K|senior)=(30+10)/52=40/52 ；∵ X=(department=system, age=26 …30,salary=46K…50K)；∴ P(X|senior)=P(systems|senio r)P(2630|senior)P(46K50K|senior)=0。 解二：設(shè)元組的各屬性之間不獨(dú)立，其聯(lián)合概率不能寫成份量相乘的形式。先驗(yàn)概率：當(dāng) status=senio r 時(shí)，元組總數(shù)為：30+5+3+10+4=52，P(senior)=52/165= ；當(dāng) status=junio r 時(shí) ， 元 組 總 數(shù) 為 ： 40+40+20+3+4+6=113 ，P(junio r)=113/165= ；因?yàn)?status=senio r 狀態(tài)沒有對(duì)應(yīng)的 age=2 6…30 區(qū)間，所以：P(X|senior)=0； 因?yàn)?status=junio r 狀態(tài)對(duì)應(yīng)的 partment=systems 、age=26…30 區(qū)間的總元組 數(shù)為：3，所以：P(X|junior)=3/113； 因?yàn)椋篜(X|junior)P(junior)=3/113113/165＝0=P(X|senior)P(senior)； 所以：樸素貝葉斯分類器將 X 分到 junio r 類。標(biāo)記輸入和輸出層節(jié)點(diǎn)。指出你使用的 初始權(quán)重和偏倚以及學(xué)習(xí)率
語文相關(guān)推薦
鄂ICP備17016276號(hào)-1