数据挖掘复习试题和答案Word下载.docx

数据挖掘复习试题和答案Word下载.docx

《数据挖掘复习试题和答案Word下载.docx》由会员分享，可在线阅读，更多相关《数据挖掘复习试题和答案Word下载.docx（17页珍藏版）》请在冰豆网上搜索。

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）=0.9911.

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a.b信息增益，决策树归纳算法会选用哪个属性

2.计算a.bgini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[0,0.5]都是单调递增，而[0.5,1]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=0.4,P（B=1|−）=2/5=0.4,

P（C=1|−）=1,P（A=0|−）=3/5=0.6,

P（B=0|−）=3/5=0.6,P（C=0|−）=0;

P（A=1|+）=3/5=0.6,

P（B=1|+）=1/5=0.2,P（C=1|+）=2/5=0.4,

P（A=0|+）=2/5=0.4,P（B=0|+）=4/5=0.8,

P（C=0|+）=3/5=0.6.

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|+）=0.6,P（B=1|+）=0.4,P（C=1|+）=0.8,P（A=

1|−）=0.4,P（B=1|−）=0.4,andP（C=1|−）=0.2

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（−）=0.5andP（R）isconstant,Rcanbeclassifiedby

comparingP（+|R）andP（−|R）.

Forthisquestion,

P（R|+）=P（A=1|+）×

P（B=1|+）×

P（C=1|+）=0.192

P（R|−）=P（A=1|−）×

P（B=1|−）×

P（C=1|−）=0.032

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

3.

P（A=1）=0.5,P（B=1）=0.4andP（A=1,B=1）=P（A）×

P（B）=0.2.Therefore,AandBareindependent.

4.

P（A=1）=0.5,P（B=0）=0.6,andP（A=1,B=0）=P（A=1）×

P（B=0）=0.3.AandBarestillindependent.

5.

CompareP（A=1,B=1|+）=0.2againstP（A=1|+）=0.6and

P（B=1|Class=+）=0.4.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=50.0%（includingthenull

set）.

A4:

FalsealarmrateistheratioofItothetotalnumberofitemsets.Since

thecountofI=5,thereforethefalsealarmrateis5/32=15.6%.