数据挖掘计算题参考答案.doc
《数据挖掘计算题参考答案.doc》由会员分享,可在线阅读,更多相关《数据挖掘计算题参考答案.doc(4页珍藏版)》请在冰豆网上搜索。
![数据挖掘计算题参考答案.doc](https://file1.bdocx.com/fileroot1/2022-10/22/41e0e0d1-4842-421c-bc10-3fe5880e5fc6/41e0e0d1-4842-421c-bc10-3fe5880e5fc61.gif)
数据仓库与数据挖掘复习题
1.假设数据挖掘的任务是将如下的8个点(用(x,y)代表位置)聚类为3个类:
X1(2,10)、X2(2,5)、X3(8,4)、X4(5,8)、X5(7,5)、X6(6,4)、X7(1,2)、X8(4,9),距离选择欧几里德距离。
假设初始选择X1(2,10)、X4(5,8)、X7(1,2)为每个聚类的中心,请用K_means算法来计算:
(1)在第一次循环执行后的3个聚类中心;
答:
第一次迭代:
中心点1:
X1(2,10),2:
X4(5,8),X7(1,2)
X1
X2
X3
X4
X5
X6
X7
X8
1
0
25
36+36
9+4
25+25
16+36
1+64
4+1
2
9+4
9+9
9+16
0
4+9
1+16
16+36
1+1
3
1+64
1+9
53
16+36
45
29
0
58
答案:
在第一次循环执行后的3个聚类中心:
1:
X1(2,10)
2:
X3,X4,X5,X6,X8(6,6)
3:
X2,X7(1.5,3.5)
(2)经过两次循环后,最后的3个族分别是什么?
第二次迭代:
d²
X1
X2
X3
X4
X5
X6
X7
X8
1
0
25
36+36
9+4
25+25
16+36
1+64
4+1
2
32
17
8
5
2
4
41
1+1
3
5²+6.5²
5²+1.5²
6.5²+0.5²
3.5²+4.5²
5.5²+1.5²
4.5²+0.5²
0.5²+1.5²
2.5²+5.5²
答案:
1:
X1,X8(3.5,9.5)
2:
X3,X4,X5,X6(6.5,5.25)
3:
X2,X7(1.5,3.5)
2.数据库有4个事务。
设min_sup=60%,min_conf=80%。
TID
data
Transaction
T100
6/6/2007
K,A,D,B
T200
6/6/2007
D,A,C,E,B
T300
6/7/2007
C,A,B,E
T400
6/10/2007
B,A,D
a.使用Apriori算法找出频繁项集,并写出具体过程。
答:
(a)Apriori算法:
{K}1è{A}4è{A,B}4è{A,B,D}3
{A}4{B}4{A,D}3
{B}4{D}3{B,D}3
{D}3
{C}2
{E}2
频繁项集为3项集{A,B,D}:
3
b.列出所有的强关联规则,使它们与下面的元规则匹配,其中,X是代表顾客的变量,是表示项的变量(例如,“A”、“B”等):
[s,c]
答:
所有频繁子项集有{A},{B},{D},{A,B},{A,D},{B,D}
A^B=>Dconf=3/4=75%×
A^D=>Bconf=3/3=100%√
B^D=>Aconf=3/3=100%√
因此,满足条件的强关联规则有:
A^D=>B{supp=75%,conf=100%}
B^D=>A{supp=75%,conf=100%}
1.给定如下的数据库表:
ID
Sky
AirTemp
Humidity
Wind
Water
Forecast
Enjoysport
1
Sunny
Warm
Normal
Strong
Warm
Same
Yes
2
Sunny
Warm
High
Strong
Warm
Same
Yes
3
Rainy
Cold
High
Strong
Warm
Change
No
4
Sunny
Warm
High
Strong
Cool
Change
yes
请计算属性Sky的信息增益。
答:
C1:
Enjoysport=yes=3
C2:
Enjoysport=no=1
I(yes,no)=-3/4log23/4-1/4log21/4=0.811
sky
C1
C2
rainy
0
1
sunny
3
0
I(sky)=1/4I(0,1)+3/4I(3,0)=0
Gain(sky)=0.811
习题:
1.以汽车保险为例:
假定训练数据库具有两个属性:
年龄和汽车类型。
年龄————序数属性
汽车类型——分类属性
类————L:
低(风险),H:
高(风险)
年龄
汽车类型
类
>21
Maruti
L
>21
Hyundai
H
<21
Maruti
H
<21
Indica
H
>21
Maruti
L
>21
Hyundai
H
使用ID3算法得到一个决策树。
2.下面是一个超市某商品连续24个月的销售数据(单位:
百万元):
21,16,21,19,24,27,23,22,21,20,17,16,20,23,22,18,24,26,25,20,26,23,21,15,17。
请使用等深、等宽和自定义区间的方法对数据进行分箱,做出利用各种分箱方法得到的直方图。
3.数据库有4个事务。
设min_sup=60%,min_conf=80%。
使用Apriori算法找出所有的频繁项集,并针对每个频繁项集构造强关联规则,列出每个规则的支持度和置信度。
答:
(b)Apriori算法:
{K}1è{A}4è{A,B}4è{A,B,D}3
{A}4{B}4{A,D}3
{B}4{D}3{B,D}3
{D}3
{C}2
{E}2
频繁项集为3项集{A,B,D}:
3
所有频繁子项集有{A},{B},{D},{A,B},{A,D},{B,D}
A^B=>Dconf=3/4=75%×
A^D=>Bconf=3/3=100%√
B^D=>Aconf=3/3=100%√
因此,满足条件的强关联规则有:
A^D=>B{supp=75%,conf=100%}
B^D=>A{supp=75%,conf=100%}
4