数据仓库与数据挖掘ppt习题.ppt

数据仓库与数据挖掘ppt习题.ppt

《数据仓库与数据挖掘ppt习题.ppt》由会员分享，可在线阅读，更多相关《数据仓库与数据挖掘ppt习题.ppt（85页珍藏版）》请在冰豆网上搜索。

数据仓库与数数据仓库与数据据挖挖掘掘主讲教师：

王浩畅主讲教师：

王浩畅E-mail:

wanghch_SchoolofComputer&InformationTechnologyofNEPU第2章数据预处理练习练习11假定用于分析的数据包含属性age.数据元组age值（以递增序）是：

13,15,16,16,19,20,20,21,22,22,25,25,25,25,30,33,33,35,35,35,35,36,40,45,46,52,70.l（a）该数据的均值是什么?

中位数是什么?

l（b）该数据的众数是什么？

讨论数据的峰l（c）数据的中列数是什么？

解答解答（a）均值：

l中位数：

有序集中间值或者中间两个值平均。

奇数个，中间值：

25（b）：

表示数据集中出现频率最高的值两个值出现了相同的最高频率，25和35，都出现了4次，也就是双峰（c）中列数：

最大值和最小值的平均l（13+70）/2=41.5练习练习22假定用于分析的数据包含属性age.数据元组age值（以递增序）是：

13,15,16,16,19,20,20,21,22,22,25,25,25,25,30,33,33,35,35,35,35,36,40,45,46,52,70.l（d）找出数据的第一个四分位数Q1和第三个四分位数Q3l（e）给出数据的五数概括解答解答（d）第一个四分位数Q1：

20第三个四分位数Q3：

35l中位数：

有序集中间值或者中间两个值平均。

奇数个，中间值：

25（e）五数概括:

13,20,25,35,70练习练习33假定用于分析的数据包含属性age.数据元组age值（以递增序）是：

13,15,16,16,19,20,20,21,22,22,25,25,25,25,30,33,33,35,35,35,35,36,40,45,46,52,70.l（f）画出数据的盒图解答解答2035257013年龄（f）52噪声数据噪声数据（3）（3）u数据平滑的分箱方法price的排序后数据（单位：

美元）：

4，8，15，21，21，24，25，28，34划分为（等深的）箱：

l箱1：

4，8，15l箱2：

21，21，24l箱3：

25，28，34用箱平均值平滑：

l箱1：

9，9，9l箱2：

22，22，22l箱3：

29，29，29用箱边界平滑：

l箱1：

4，4，15l箱2：

21，21，24l箱3：

25，25，34练习练习假定用于分析的数据包含属性age.数据元组age值（以递增序）是：

13,15,16,16,19,20,20,21,22,22,25,25,25,25,30,33,33,35,35,35,35,36,40,45,46,52,70.l使用分箱均值光滑对以上数据进行光滑，箱的深度为3.解释你的步骤解答解答Step1:

排序数据.Step2:

将有序值划分到大小为3的等频箱中Step3:

计算每个箱中数据的算术平均值.Step4:

.将每个箱中的每个值用此箱的算术平均值替换Bin1:

44/3,44/3,44/3Bin2:

55/3,55/3,55/3Bin3:

21,21,21Bin4:

24,24,24u规范化最小最大规范化：

对原始数据进行线性变换。

假定minA和maxA分别为属性A的最小和最大值。

将A的值v映射到区间new_minA,new_maxA中的vl最小-最大规范化通过计算l例：

假定属性income的最小与最大值分别为12000美元和98000美元。

我们想把income映射到区间0.0,0.1。

根据最小最大规范化，income值73600美元将变换为：

数据变换数据变换

（2）

（2）z-score规范化：

属性A的值基于A的平均值和标准差规范化。

l最大最小值未知，或者离群点影响较大的时候适用l例：

假定属性income的均值和标准差分别为54000美元和16000美元。

使用z-score规范化，值73600美元转换为数据变换数据变换（3）（3）小数定标规范化：

通过移动属性A的小数点位置进行规范化。

小数点的移动位数依赖于A的最大绝对值。

例：

假定A的取值由-986917。

A的最大绝对值为986。

使用小数定标规范化，用1000（即j=3）除每个值，这样，986规范化为0.986，而917被规范化为0.917。

数据变换数据变换（4）（4）其中，j是使Max（|）1的最小整数练习练习用如下两种方法规范化如下数据组200;300;400;600;1000l（a）min-max规范化令min=0，max=1l（b）z-score规范化解答解答l（a）min-max规范化令min=0，max=1l（b）z-score规范化例下面的数据是AllElectronics通常销售的商品的单价表（按$取整）。

已对数据进行了排序：

1,1,5,5,5,5,5,5,8,8,10,10,10,10,12,12,12,12,14,14,14,15,15,15,15,15,15,18,18,18,18,18,18,18,18,20,20,20,20,20,20,20,21,21,21,21,25,25,25,25,25,25,28,28,30,30,30为进一步压缩数据，让每个桶代表price的一个不同值。

通过自然划分分段通过自然划分分段将数值区域划分为相对一致的、易于阅读的、看上去更直观或自然的区间。

l聚类分析产生概念分层可能会将一个工资区间划分为：

51263.98,60872.34l通常数据分析人员希望看到划分的形式为50000，60000自然划分的3-4-5规则常被用来将数值数据划分为相对一致，“更自然”的区间自然划分的自然划分的3-4-53-4-5规则规则规则的划分步骤：

l如果一个区间最高有效位上包含3，6，7或9个不同的值，就将该区间划分为3个等宽子区间；（72,3,2）l如果一个区间最高有效位上包含2，4，或8个不同的值，就将该区间划分为4个等宽子区间；l如果一个区间最高有效位上包含1，5，或10个不同的值，就将该区间划分为5个等宽子区间；l将该规则递归的应用于每个子区间，产生给定数值属性的概念分层；l对于数据集中出现的最大值和最小值的极端分布，为了避免上述方法出现的结果扭曲，可以在顶层分顶层分段段时，选用一个大部分的概率空间。

e.g.5%-95%3-4-53-4-5规则规则例子例子u假定AllElectronics所有分部1999年的利润覆盖了一个很宽的区间，由-$351,976.00到$4,700,896.50。

用户希望自动地产生利润的概念分层。

为了改进可读性，我们使用记号（l.r表示区间（l,r。

例如，（-$1,000,000.$0表示由-$1,000,000（开的）到$0（闭的）的区间。

1根据以上信息，最小和最大值分别为MIN=-$351,976.00和MAX=$4,700,896.50。

对于分段的顶层或第一层，要考虑的最低（第5个百分位数）和最高（第95个百分位数）值是：

LOW=-$159,876，HIGH=$1,838,761。

2给定LOW和HIGH，最高有效位在百万美元数字位（即，msd=1,000,000）。

LOW向下对百万美元数字位取整，得到LOW=-$1,000,000；HIGH向上对百万美元数字位取整，得到HIGH=+$2,000,000。

3-4-53-4-5规则规则例子例子3由于该区间在最高有效位上跨越了三个值，即，（2,000,000（1,000,000）/1,000,000=3，根据3-4-5规则，该区间被划分成三个等宽的区间：

（-$1,000,000.$0,（$0.$1,000,000和（$1,000,000.$2,000,000。

这代表分层结构的最顶层。

4.现在，我们考察MIN和MAX，看它们“适合”在第一层分划的什么地方。

由于第一个区间（-$1,000,000.$0覆盖了MIN值（即，LOWHIGH，我们需要创建一个新的区间来覆盖它。

对MAX向上对最高有效位取整，新的区间为（$2,000,000$5,000,000。

因此，分层结构的最顶层包含4个区间：

（-$400,000.$0，（$0.$1,000,000，（$1,000,000.$2,000,000和（$2,000,000.$5,000,000。

3-4-53-4-5规则规则例子例子5.递归地，每一个区间可以根据3-4-5规则进一步划分，形成分层结构的下一个较低层：

l第一个区间（-$400,000.$0划分成4个子区间：

（-$400,000.-$300,000,（-$300,000.-$200,000,（-$200,000.-$100,000和（-$100,000.$0。

l第二个区间（$0.$1,000,000划分成5个子区间：

（$0.$200,000,（$200,000.$400,000,（$400,000.$600,000,（$600,000.$800,000和（$800,000.$1,000,000。

l第三个区间（$1,000,000.$2,000,000划分成5个子区间：

（$1,000,000.$1,200,000,（$1,200,000.$1,400,000,（$1,400,000.$1,600,000,（$1,600,000.$1,800,000和（$1,800,000$2,000,000。

l最后一个区间（$2,000,000.$5,000,000划分成3个子区间:

（$2,000,000.$3,000,000,（$3,000,000.$4,000,000和（$4,000,000.$5,000,000。

l类似地，如果必要的话，3-4-5规则可以在较低的层上继续迭代3-4-53-4-5规则规则例子例子（-$400-$5,000）（-$400-0）（-$400-$300）（-$300-$200）（-$200-$100）（-$100-0）（0-$1,000）（0-$200）（$200-$400）（$400-$600）（$600-$800）（$800-$1,000）（$2,000-$5,000）（$2,000-$3,000）（$3,000-$4,000）（$4,000-$5,000）（$1,000-$2,000）（$1,000-$1,200）（$1,200-$1,400）（$1,400-$1,600）（$1,600-$1,800）（$1,800-$2,000）msd=1,000Low=-$1,000High=$2,000第二步第四步第一步第一步-$351-$159profit$1,838$4,700MinLow（i.e,5%-tile）High（i.e,95%-0tile）Maxcount（-$1,000-$2,000）（-$1,000-0）（0-$1,000）第三步（$1,000-$2,000）第3章数据仓库和数据挖掘的OLAP技术习题习题假定数据仓库包含三个维：

time,doctor和patient；两个度量：

count和charge；其中，charge是医生对一位病人的一次来访的收费。

l（a）列举三种流行的数据仓库建模模式。

l（b）使用星型模式，画出上面数据仓库的模式图。

解答解答（a）星型模式、雪花模式、或事实星座模式（b）习题习题假定数据仓库包含三个维：

time,doctor和patient；两个度量：

count和charge；其中，charge是医生对一位病人的一次来访的收费。

l（c）由基本方体day,doctor,patient开始，为列出2004年每位医生的收费总数，应当执行哪些OLAP操作？

解答解答上卷（Roll-up）操作，时间维的概念分层向上攀升，从day攀升到year.切片（Slice）操作，fortime=2004.上卷（Roll-up）操作：

维规约，对patient维进行规约。

patientfromindividualpatienttoall.第4章挖掘频繁模式、关联和相关由事务数据库挖掘单