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得训练样本集

1.整个训练样本集关于类属性得熵就是多少？

2.关于这些训练集中ａ1，a2得信息增益就是多少？

3.对于连续属性a3，计算所有可能得划分得信息增益.

4.根据信息增益,a1，a2，a3哪个就是最佳划分？

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

−４/9　log2（4/９）−　5/9loｇ２（5／9）＝0、9911、

答2：

（估计不考）

答3:

答4：

According　ｔｏinformatiｏngain，ａ1ｐroduｃesthebest　sｐｌit、

答5：

Ｆorattributea1：

eｒｒｏｒratｅ　=2/9、

Forattribuｔea2:

　eｒroｒ　ｒatｅ　=4/9、

Tｈerefore,accｏrｄing　toerror　ratｅ,ａ1producestｈebestsplit、

答6:

二、考虑如下二元分类问题得数据集

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可以瞧出熵与gini指标在［0，0、５]都就是单调递增,而[0、5,1]之间单调递减。

有没有可能信息增益与ｇinｉ指标增益支持不同得属性？

解释您得理由

Yｅｓ,ｅven　ｔhoughtｈeｓe　mｅasureshavｅsｉｍｉlarrangeandmｏｎoｔonouｓ

ｂeｈavior，tｈeｉrrespeｃtｉｖe　ｇains，Δ，whicharescaｌｅd　dｉffｅreｎces　oｆthe

meaｓures，dｏnotｎecｅssarilｙbehａｖeinthesaｍｅ　way，　aｓ　illustraｔedbｙ

theresulｔsｉn　ｐarts（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.Lｅt　Ｐ（A=0，B=1，　C=　0）=K

5.当得条件概率之一就是零,则估计为使用m-估计概率得方法得条件概率就是更好得,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，　and　P（C=１|−）=０、2

2、

ＬｅtR:

（Ａ=1,Ｂ＝1,Ｃ　＝　1）bｅ　ｔhe　ｔestrｅcoｒd、　Todeterｍinｅｉts

cｌａｓs，　wenｅedtoｐuｔeP（+|R）aｎdP（−|Ｒ）、Ｕsiｎg　Bayes　ｔheｏrｅｍ，P（+｜Ｒ）=　P（R｜+）P（+）／P（Ｒ）ａｎdＰ（−|R）=P（Ｒ｜−）P（−）/P（Ｒ）、

SincｅP（+）＝　Ｐ（−）　=0、5andP（R）iscｏnstant，Rcａnbeclassifｉedby

ｐarｉｎｇP（+｜R）andP（−｜Ｒ）、

Ｆorthiｓ　question,

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，ＡandＢａｒe　iｎｄｅpendｅnｔ、

４、

P（A　＝1）　=0、５,Ｐ（B=0）=０、6,anｄP（A＝1，B=０）=Ｐ（A=1）×Ｐ（B＝　０）=　０、３、Aand　Ｂarestｉｌｌindependent、

5、

pareP（A　=　１，B=　1｜+）＝0、2againsｔＰ（A=1|+）＝0、６anｄ

Ｐ（Ｂ　=　1|Class=＋）=0、4、Ｓincetｈｅ　prｏdｕcｔbetｗeenP（Ａ=1|+）

and　P（A　=１|−）ａrenｏt　thｅsameaｓP（Ａ　＝　１,B　=　１｜+），　ＡandＢarｅ

noｔｃonｄitionalｌｙ　indｅｐendeｎtgivｅｎthecｌasｓ、

三、使用下表中得相似度矩阵进行单链与全链层次聚类。

绘制树状况显示结果,树状图应该清楚地显示合并得次序。

Tｈｅｒeareno　apparｅntｒelationships　bｅtweｅnｓ1，　ｓ２，c1，anｄc2、

ﻬ

A2:

Ｐｅｒceｎtage　offreｑueｎt　itemsｅｔs=１6/32=50、0％（iｎclｕdｉnｇｔheｎull

ｓeｔ）、

A４：

ﻩFalse　aｌaｒmｒate　istheratｉoofI　toｔhe　totａl　numｂeroｆitｅmsｅｔｓ、Sｉnce

the　ｃｏuｎｔofI=５，ｔherefore　ｔｈefalｓealarｍ　rateis5/３2　=15、6％、