数据挖掘复习题和答案.docx

数据挖掘复习题和答案.docx

《数据挖掘复习题和答案.docx》由会员分享，可在线阅读，更多相关《数据挖掘复习题和答案.docx（18页珍藏版）》请在冰豆网上搜索。

数据挖掘复习题和答案

一、考虑表中二元分类问题的训练样本集

1.整个训练样本集关于类属性的熵是多少

2.关于这些训练集中a1,a2的信息增益是多少

3.对于连续属性a3,计算所有可能的划分的信息增益。

4.根据信息增益，a1,a2,a3哪个是最佳划分

5.根据分类错误率，a1,a2哪具最佳

6.根据gini指标，a1,a2哪个最佳

答1.

P（+）=4/9andP（）=5/9

4/9log2（4/9）5/9log2（5/9）=.

答2：

（估计不考）

答3：

答4:

Accordingtoinformationgain,a1producesthebestsplit.

答5：

Forattributea1:

errorrate=2/9.

Forattributea2:

errorrate=4/9.

Therefore,accordingtoerrorrate,a1producesthebestsplit.

答6：

二、考虑如下二元分类问题的数据集

1.计算信息增益，决策树归纳算法会选用哪个属性

2.计算gini指标，决策树归纳会用哪个属性

这个答案没问题

3.从图4-13可以看出熵和gini指标在[0,]都是单调递增，而[,1]之间单调递减。

有没有可能信息增益和gini指标增益支持不同的属性解释你的理由

Yes,eventhoughthesemeasureshavesimilarrangeandmonotonous

behavior,theirrespectivegains,Δ,whicharescaleddifferencesofthe

measures,donotnecessarilybehaveinthesameway,asillustratedby

theresultsinparts（a）and（b）.

贝叶斯分类

1.P（A=1|）=2/5=,P（B=1|）=2/5=,

P（C=1|）=1,P（A=0|）=3/5=,

P（B=0|）=3/5=,P（C=0|）=0;P（A=1|+）=3/5=,

P（B=1|+）=1/5=,P（C=1|+）=2/5=,

P（A=0|+）=2/5=,P（B=0|+）=4/5=,

P（C=0|+）=3/5=.

2.

3.P（A=0|+）=（2+2）/（5+4）=4/9,

P（A=0|）=（3+2）/（5+4）=5/9,

P（B=1|+）=（1+2）/（5+4）=3/9,

P（B=1|）=（2+2）/（5+4）=4/9,

P（C=0|+）=（3+2）/（5+4）=5/9,

P（C=0|）=（0+2）/（5+4）=2/9.

4.LetP（A=0,B=1,C=0）=K

5.当的条件概率之一是零，则估计为使用m-估计概率的方法的条件概率是更好的，因为我们不希望整个表达式变为零。

1.P（A=1|+）=,P（B=1|+）=,P（C=1|+）=,P（A=

1|）=,P（B=1|）=,andP（C=1|）=

2.

LetR:

（A=1,B=1,C=1）bethetestrecord.Todetermineits

class,weneedtocomputeP（+|R）andP（|R）.UsingBayestheorem,P（+|R）=P（R|+）P（+）/P（R）andP（|R）=P（R|）P（）/P（R）.

SinceP（+）=P（）=andP（R）isconstant,Rcanbeclassifiedby

comparingP（+|R）andP（|R）.

Forthisquestion,

P（R|+）=P（A=1|+）×P（B=1|+）×P（C=1|+）=

P（R|）=P（A=1|）×P（B=1|）×P（C=1|）=

SinceP（R|+）islarger,therecordisassignedto（+）class.

3.

P（A=1）=,P（B=1）=andP（A=1,B=1）=P（A）×

P（B）=.Therefore,AandBareindependent.

4.

P（A=1）=,P（B=0）=,andP（A=1,B=0）=P（A=1）×P（B=0）=.AandBarestillindependent.

5.

CompareP（A=1,B=1|+）=againstP（A=1|+）=and

P（B=1|Class=+）=.SincetheproductbetweenP（A=1|+）

andP（A=1|）arenotthesameasP（A=1,B=1|+）,AandBare

notconditionallyindependentgiventheclass.

三、使用下表中的相似度矩阵进行单链和全链层次聚类。

绘制树状况显示结果，树状图应该清楚地显示合并的次序。

Therearenoapparentrelationshipsbetweens1,s2,c1,andc2.

A2:

Percentageoffrequentitemsets=16/32=%（includingthenull

set）.

A4:

FalsealarmrateistheratioofItothetotalnumberofitemsets.Since

thecountofI=5,thereforethefalsealarmrateis5/32=%.