數(shù)據(jù)挖掘概念與技術(第2版)習題答案

1、數(shù)據(jù)挖掘 數(shù)據(jù)挖掘——概念概念與技術 概念概念與技術DataMining DataMiningConcepts Concepts and and Techniques Techniques習題解答 習題解答Jiawei Jiawei Han Han Micheline Micheline Kamber Kamber 著范明孟曉峰譯 范明孟曉峰譯答：特征化 答：特征化是一個目標類數(shù)據(jù)的一般特性或特性的匯總。例如，學生的特征可被提出，形成所

2、有大學的計算機科學專業(yè)一年級學生的輪廓，這些特征包括作為一種高的年級平均成績(GPA：Grade point aversge)的信息，還有所修的課程的最大數(shù)量。? 區(qū)分 區(qū)分是將目標類數(shù)據(jù)對象的一般特性與一個或多個對比類對象的一般特性進行比較。例如，具有高GPA 的學生的一般特性可被用來與具有低GPA 的一般特性比較。最終的描述可能是學生的一個一般可比較的輪廓，就像具有高GPA 的學生的75%是四年級計算機科學專業(yè)的學生，而具有低GP

3、A 的學生的65%不是。? 關聯(lián) 關聯(lián)是指發(fā)現(xiàn)關聯(lián)規(guī)則，這些規(guī)則表示一起頻繁發(fā)生在給定數(shù)據(jù)集的特征值的條件。例如，一個數(shù)據(jù)挖掘系統(tǒng)可能發(fā)現(xiàn)的關聯(lián)規(guī)則為：major(X, “computing science”) ? owns(X, “personal computer”)[support=12%, confidence=98%] 其中，X 是一個表示學生的變量。這個規(guī)則指出正在學習的學生，12%（支持度）主修計算機科學并且擁有一臺個人計

4、算機。這個組一個學生擁有一臺個人電腦的概率是98%（置信度，或確定度）。? 分類與預測 分類與預測不同，因為前者的作用是構造一系列能描述和區(qū)分數(shù)據(jù)類型或概念的模型（或功能），而后者是建立一個模型去預測缺失的或無效的、并且通常是數(shù)字的數(shù)據(jù)值。它們的相似性是他們都是預測的工具：分類被用作預測目標數(shù)據(jù)的類的標簽，而預測典型的應用是預測缺失的數(shù)字型數(shù)據(jù)的值。? 聚類分析 聚類分析的數(shù)據(jù)對象不考慮已知的類標號。對象根據(jù)最大花蕾內部的相似性、最

5、小化類之間的相似性的原則進行聚類或分組。形成的每一簇可以被看作一個對象類。聚類也便于分類法組織形式，將觀測組織成類分層結構，把類似的事件組織在一起。? 數(shù)據(jù)演變分析 數(shù)據(jù)演變分析描述和模型化隨時間變化的對象的規(guī)律或趨勢，盡管這可能包括時間相關數(shù)據(jù)的特征化、區(qū)分、關聯(lián)和相關分析、分類、或預測，這種分析的明確特征包括時間序列數(shù)據(jù)分析、序列或周期模式匹配、和基于相似性的數(shù)據(jù)分析2.2 2.2 假設給定的數(shù)據(jù)集的值已經分組為區(qū)間。區(qū)間和對應的

6、頻率如下。 假設給定的數(shù)據(jù)集的值已經分組為區(qū)間。區(qū)間和對應的頻率如下。―――――――――――――――――――――――――――――――――――――年齡 頻率 ―――――――――――――――――――――――――――――――――――――1~5 200 5~15 450 15

7、~20 300 20~50 1500 50~80 700 80~110 44 ―――――――――――――――――――――――――――――――――――――計算數(shù)據(jù)的近似中位數(shù)值。 解答： 先判定中位數(shù)區(qū)間：N=200+4