hw1.docx
《hw1.docx》由会员分享，可在线阅读，更多相关《hw1.docx（13页珍藏版）》请在冰豆网上搜索。
hw1
PartI:
书面作业
1.（a）
date_key
product_key
vendor_key
location_key
sales_volume
sales_cost
dateproduct
date_key
day
day_of_the_week
month
quarter
year
product_key
product_name
brand
type
supplier_type
salesfacttable
vendor_key
vendor_name
vendor_type
location
Location_key
Street
City
Province_or_state
country
vendor
measures
（b）OLAP操作：
①切片slice:
location=”LosAngles”
②上卷roll-up:
从季度（月）到年
③读取度量sales_volume
（c）优点：
对于数据立方体，利用多维数组可以很容易实现位图索引，对维成员进行编码，代替维表中的原关键字，实现维关键字的压缩，减少了I/O访问开销，提高了查询效率。
问题：
使用位图索引大大地增加了空间的使用量。
2.
（a）age:
mean=46.44
median=51
standarddeviation=23.15
fat:
mean=28.78
median=30.7
standarddeviation=85.64
（b）boxplots:
（c）scatterplot:
（d）min-maxnormalization:
让age和fat的范围映射到[0.0,1.0]之间，得到：
age
0
0
0.1053
0.1053
0.4211
0.4737
0.6316
0.6842
0.7105
%fat
0.0490
0.5389
0
0.2882
0.6801
0.5216
0.5648
0.5591
0.6744
age
0.7632
0.8158
0.8158
0.8684
0.8947
0.9211
0.9211
0.9737
1.0000
%fat
0.7723
1.0000
0.6052
0.7378
0.6455
0.7579
0.7233
0.9625
0.8040
（e）correlationcoefficient:
得
，说明年龄与脂肪量是正相关的。
3.
Equal-depth:
Bin1
16
16
17
18
19
Bin2
20
20
20
21
21
Bin3
22
22
23
23
24
Bin4
24
25
26
26
27
（a）binmedian
Bin1
17
17
17
17
17
Bin2
20
20
20
20
20
Bin3
23
23
23
23
23
Bin4
26
26
26
26
26
（b）binboundaries:
Bin1
16
16
16
19
19
Bin2
20
20
20
21
21
Bin3
22
22
22
24
24
Bin4
24
24
27
27
27
项集
支持度计数
A
1
C
2
D
1
E
4
I
1
K
5
M
1
N
1
O
4
U
1
Y
1
项集
支持度计数
C
2
E
4
K
5
O
4
4.（a）apriori:
候选的支持度计数与最小支持度计数比较，得L1
扫描D，对每个候选计数，得到C1
项集
支持度计数
CE
1
CK
2
CO
1
EK
4
EO
4
KO
4
项集
支持度计数
CK
2
EK
4
EO
4
KO
4
由L2连接L2得候选3项集C3,同时进行剪枝操作。
扫描D，对每个候选计数
候选的支持度计数与最小支持度计数比较，得L2
由L1连接L1得候选2项集C2,扫描D，对每个候选计数
项集
支持度计数
EKO
4
项集
支持度计数
EKO
4
候选的支持度计数与最小支持度计数比较，得L3，算法终止，得到所有的频繁项集
所有的频繁项集L={{C},{E},{K},{O},{CK},{EK},{EO},{KO},{EKO}}。
（b）FP-growth:
第一次扫描结果与apriori算法相同，频繁项集按递减顺序排序，L={{K:
5},{E:
4},{O:
4},{C:
2}}。
TID
items_bought
（ordered）frequentitems
1
O,N,K,E
{K,E,O}
2
D,O,K,E,Y
{K,E,O}
3
A,K,E,O
{K,E,O}
4
M,U,C,K
{K}
5
C,O,K,I,E
{K,E,O,C}
FP-trees:
items
conditionalpatternbases
conditionalFP-trees
frequentpatterns
C
{{K,E,O:
1},{K:
1}}
2>
{KEOC,KC}
O
{{K,E:
4}}
4，E:
4>
{KEO}
E
{{K:
4}}
4>
{KE}
所有的频繁项集L={{C},{E},{K},{O},{CK},{EK},{EO},{KO},{EKO}}。
5.
（a）confidence（K=>E）=80%
confidence（K=>O）=80%
confidence（E=>O）=100%
（b）strongassociationrules:
PartII:
上机作业：
RecommendationSystems
top5rules:
tomatosoucemilk
tomatosouce
rice
biscuitswater
yoghurtpasta
comments:
交易提升最大的是番茄汁牛奶、番茄汁、米饭、饼干水、酸奶意面；
不过其中交易数量真正较大的只有番茄汁；
容易与其他产品一起购买的有番茄汁牛奶、饼干水和酸奶意面。
top5rules:
biscuits
yoghurt
tomatosouce
waterpasta
juices
comments:
支持度最高的分别是饼干、酸奶、番茄汁、意面、果汁；
置信度和提升度都比较稳定。
top5rules:
biscuitswater
yoghurtpasta
biscuitspasta
briochespasta
tomatosoucemilk
comments:
置信度最高的是饼干水、酸奶意面、饼干意面、奶油蛋卷意面和番茄汁牛奶，这些商品容易与其他商品一起购买；
不过这几种商品本身的购买数量并不多。
升级会员 