2011年数据挖掘与数据仓库考试题

2011年数据挖掘与数据仓库考试题1．（10分）讨论:：下列每项活动是否是数据挖掘任务?简单陈述你的理由。(a)根据性别划分公司的顾客。(b)根据可赢利性划分公司的顾客。(c)预测投一对骰子的结果。(d)使用历史记录预测某公司未来的股票价格。2．（10分）列举3种数据挖掘功能，对每种举2个实际应用的例子。3．（10分）比较急切分类（如，判定树、贝叶斯、神经网络）相对于懒散分类（如，k-最临近、基于案例的推理）的优缺点。4．（10分）假定你作为一个数据分析人员，受雇于一家移动通讯公司。通过一个例子说明打算如何使用数据挖掘技术为公司提供帮助。你的例子应包含问题描述，使用何种数据挖掘方法解决该问题，理由和预期效果（不需要定量分析）。5．（10分）假设数据挖掘的任务是将如下的八个点（用(x,y)代表位置）聚类为三个类。A1(2,10),A2(2,5),A3(8,4),B1(5,8),B2(7,5),B3(6,4),C1(1,2),C2(4,9)距离函数是Euclidean函数。假设初始我们选择A1,B1,和C1为每个簇的中心，用k-means算法来给出（a）在第一次循环执行后的三个簇中心（b）最后的三个簇6．（10分）考虑下面的由Big-University的学生数据库挖掘的关联规则major(X,”science”)status(X,”undergrad”)（1）假定学校的学生人数（即，任务相关的元组数）为5000，其中56%的在校本科生的专业是科学，64%的学生注册本科学位课程，70%的学生主修科学(science)。(a)计算规则(1)的支持度和置信度。(b)考虑下面的规则major(X,”biology”)status(X,”undergrad”)[17%,80%]（2）假定主攻科学的学生30%专业为biology。与规则(1)对比，你认为规则(2)新颖吗？解释你的结论。7．（15分）考虑为产品销售问题建立数据仓库。关注的主题是销售，用销售量、销售价和成本度量（由此可以计算销售金额和利润）。销售涉及销售的产品、时间、客户和销售代理。其中，产品用产品名称、产品类别、产品品牌等描述，时间用日、月、季、年描述，客户信息包括客户ID、客户名、送货地址（省、市、街道、门牌号）、帐号等信息，销售代理包括销售代理姓名、地区、省、市等信息(a)给出每个维的概念分层。(b)画出该数据仓库的星型模式图。(c)由基本方体开始，为列出河南省客户购买的、由国美家电2004年销售的、小天鹅洗衣机，应当执行哪些OLAP操作？8．（15分）下表由雇员数据库的训练数据组成。数据已泛化。例如，年龄“31…35”表示31到35的之间。对于给定的行，count表示department,status,age和salary在该行上具有给定值的元组数。departmentstatusagesalarycountsalessalessalessystemssystemssystemssystemsmarketingmarketingsecretarysecretaryseniorjuniorjuniorjuniorseniorjuniorseniorseniorjuniorseniorjunior31...3526...3031...3521...2531...3526...3041...4536...4031...3546...5026...3046K...50K26K...30K31K...35K46K...50K66K...70K46K...50K66K...70K46K...50K41K...45K36K...40K26K...30K3040402053310446设status是类标号属性。(a)你将如何修改基本决策树算法，以便考虑每个广义数据元组(即，每一行)的count？(b)使用你修改过的算法，构造给定数据的决策树。(c)给定一个数据元组，它在属性department,age和salary上的值分别为“systems”,“26…30”和“46…50K”。该元组status的朴素贝叶斯分类结果是什么？9．（10分）给定事务数据库D1和D2，最小支持度阈值和增长率（1）。设supD(X)为项集X在数据集合D上的支持度。从D1到D2的eEP是项集X，满足(a)supD1(X)；(b))(sup)(sup12XXDD；(c)X的任何子集合都不同时满足(a)和(b)。修改挖掘频繁模式的FP-Growth算法，挖掘所有的从D1到D2的eEP。（只需要给出算法思想）