数据挖掘计算题参考答案.doc

1、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)X1X2X3X4X5X6X7X8102536+369+425+2516+361+644+129+49+99+1604+

2、91+1616+361+131+641+95316+364529058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：dX1X2X3X4X5X6X7X8102536+369+425+2516+361+644+1232178524411+135+6.55+1.56.5+0.53.5+4.55.5+1.54.5+0.50.5+1.52.5+5.5答案：1：X1，X8 (3.5，9.5) 2：X3，X4，X5，X6 （6.5，5.25） 3：X2，X7

3、 （1.5，3.5）2. 数据库有4个事务。设min_sup=60%,min_conf=80%。TIDdataTransactionT1006/6/2007K,A,D,BT2006/6/2007D,A,C,E,BT3006/7/2007C,A,B,ET4006/10/2007B,A,Da. 使用Apriori算法找出频繁项集，并写出具体过程。答：(a) Apriori算法： K 1 A 4 A,B 4 A,B,D 3 A 4 B 4 A,D 3 B 4 D 3 B,D 3D 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

4、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 AB=D conf=3/4=75% AD=B conf=3/3=100% BD=A conf=3/3=100% 因此，满足条件的强关联规则有： AD=Bsupp=75%,conf=100% BD=Asupp=75%,conf=100% 1.给定如下的数据库表：IDSkyAirTempHumidityWindWaterForecastEnjoysport1SunnyWarmNormalStrongWarmSameYes2SunnyWarmHighStrongWarmSameYes3

5、RainyColdHighStrongWarmChangeNo4SunnyWarmHighStrongCoolChangeyes请计算属性Sky的信息增益。答：C1 ：Enjoysport=yes=3C2 ：Enjoysport=no=1I(yes,no)=-3/4log2 3/4-1/4log2 1/4=0.811skyC1C2rainy01sunny30I(sky)=1/4I(0,1)+3/4I(3,0)=0Gain(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21M

6、arutiL21HyundaiH21MarutiH21MarutiL21HyundaiH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 1 A 4 A,B 4 A,B,D 3 A 4 B 4 A,D 3 B 4 D 3 B,D 3D 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 AB=D conf=3/4=75% AD=B conf=3/3=100% BD=A conf=3/3=100% 因此，满足条件的强关联规则有： AD=Bsupp=75%,conf=100% BD=Asupp=75%,conf=100% 4