数据挖掘试卷及答案

12/13年第2学期《数据挖掘与知识发现》期末考试试卷及答案一、什么是数据挖掘？什么是数据仓库？并简述数据挖掘的步骤。（20分）数据挖掘是从大量数据中提取或发现（挖掘）知识的过程。数据仓库是面向主题的、集成的、稳定的、不同时间的数据集合，用于支持经营管理中的决策制定过程。步骤：1）数据清理（消除噪声或不一致数据）2)数据集成（多种数据源可以组合在一起）3)数据选择（从数据库中检索与分析任务相关的数据）4)数据变换（数据变换或统一成适合挖掘的形式，如通过汇总或聚集操作）5)数据挖掘（基本步骤，使用智能方法提取数据模式）6)模式评估（根据某种兴趣度度量，识别表示知识的真正有趣的模式；）7)知识表示（使用可视化和知识表示技术，向用户提供挖掘的知识）二、元数据的定义是什么？元数据包括哪些内容？（20分）元数据是关于数据的数据。在数据仓库中,元数据是定义仓库对象的数据。元数据包括：数据仓库结构的描述，包括仓库模式、视图、维、分层结构、导出数据的定义,以及数据集市的位置和内容。操作元数据，包括数据血统（移植数据的历史和它所使用的变换序列）、数据流通（主动的、档案的或净化的)、管理信息（仓库使用统计量、错误报告和审计跟踪）。汇总算法，包括度量和维定义算法,数据所处粒度、划分、主题领域、聚集、汇总、预定义的查询和报告。由操作环境到数据仓库的映射，包括源数据库和它们的内容，网间连接程序描述,数据划分,数据提取、清理、转换规则和缺省值,数据刷新和净化规则,安全(用户授权和存取控制)。关于系统性能的数据，刷新、更新定时和调度的规则与更新周期，改善数据存取和检索性能的索引和配置。商务元数据，包括商务术语和定义,数据拥有者信息和收费策略。三、在OLAP中，如何使用概念分层?请解释多维数据模型中的OLAP上卷下钻切片切块和转轴操作。（20分）在多维数据模型中，数据组织成多维，每维包含由概念分层定义的多个抽象层。这种组织为用户从不同角度观察数据提供了灵活性。有一些OLAP数据立方体操作用来物化这些不同视图，允许交互查询和分析手头数据。因此，OLAP为交互数据分析提供了友好的环境。上卷：上卷操作通过一个维的概念分层向上攀升或者通过维归约，在数据立方体上进行聚集。下钻：下钻是上卷的逆操作，它由不太详细的数据到更详细的数据。下钻可以通过沿维的概念分层向下或引入新的维来实现。切片：在给定的数据立方体的一个维上进行选择，导致一个子方。切块：通过对两个或多个维执行选择，定义子方。转轴：转轴是一种目视操作，它转动数据的视角，提供数据的替代表示。四、什么是数据变换?数据变换涉及的内容有哪些?（20分）数据变换是将数据转换成适合于挖掘的形式。数据变换可能涉及如下内容:1).平滑：去掉数据中的噪声。这种技术包括分箱、聚类和回归。2).聚集：对数据进行汇总和聚集。例如，可以聚集日销售数据，计算月和年销售额。通常，这一步用来为多粒度数据分析构造数据立方体。3).数据概化：使用概念分层，用高层次概念替换低层次“原始”数据。例如，分类的属性，如street，可以概化为较高层的概念，如city或country。类似地，数值属性，如age，可以映射到较高层概念，如young,middle-age和senior。4).规范化：将属性数据按比例缩放，使之落入一个小的特定区间，如－1.0到1.0或0.0到1.0。5).属性构造（或特征构造）：可以构造新的属性并添加到属性集中，以帮助挖掘过程。五、用Apriori、FP-growth、GSP、Prefixspan、SPAM算法中任意一到两种算法，挖掘出所有的频繁项集（表1）或频繁序列（表2），并写出具体过程。假设事务数据库D如下：最小支持度计数为2。（20分）以Apriori算法为例。TidItems10A,C,D20B,C,E30A,B,C,E40B,EDatabaseTDB1stscanC1L1L2C2C22ndscanC3L33rdscanB,E40A,B,C,E30B,C,E20A,C,D10ItemsTid1{D}3{E}3{C}3{B}2{A}supItemset3{E}3{C}3{B}2{A}supItemset{C,E}{B,E}{B,C}{A,E}{A,C}{A,B}Itemset1{A,B}2{A,C}1{A,E}2{B,C}3{B,E}2{C,E}supItemset2{A,C}2{B,C}3{B,E}2{C,E}supItemset{B,C,E}Itemset2{B,C,E}supItemsetSidSequence10a(abc)(ac)d(cf)20(ad)c(bc)(ae)30(ef)(ab)(df)cb40(af)cbc