可编辑范本数据仓库与数据挖掘技术答案一、简答1.为什么需要对数据进行预处理？数据预处理主要包括哪些工作（需要对数据进行哪些方面预处理） ?（ 1）现实世界的数据是杂乱的，数据多了什么问题会出现。数据库极易受到噪音数据(包含错误或孤立点） 、遗漏数据（有些感兴趣的属性缺少属性值或仅包含聚集数据）和不一致数据（在编码或者命名上存在差异）的侵扰，因为数据库太大，常常多达几G 或更多。进行数据预处理，提高数据质量，从而提高挖掘结果质量。（ 2）数据预处理主要包括：数据清理：去除数据中的噪音、纠正不一致；数据集成：将数据由多个源合并成一致的数据存储，如数据仓库或数据方；数据交换： 规范化或聚集可以改进涉及距离度量的挖掘算法精度和有效性；数据归约： 通过聚集、 删除冗余特征或聚类等方法来压缩数据。 数据离散化： 属于数据归约的一部分，通过概念分层和数据的离散化来规约数据，对数字型数据特别重要。2. 什么叫有监督学习？什么叫无监督学习？监督学习（ Supervised learning） 是通过发现数据属性和类别属性之间的关联模式，并通过利用这些模式来预测未知数据实例的类别属性。监督学习又称为分类Classification 或归纳学习 Inductive Learning。无监督学习（ Unsupervised learning）即聚类技术。在一些应用中，数据的类别属性是缺失的，用户希望通过浏览数据来发现其的某些内在结构。聚类就是发现这种内在结构的技术。3.什么是数据仓库的星形模式？它与雪花模式有何不同？雪花模式与星形模式不同在于：雪花模式的维表可能是规范化形式，以便减少冗余。这种表易于维护， 并节省存储空间， 因为当维结构作为列包含在内时，大维表可能非常大。然而，与巨大的事实表相比，这种空间的节省可以忽略。此外， 由于执行查询更多的连接操作，雪花结构可能降低浏览的性能。这样系统的性能可能受影响。因此，在数据仓库设计中，雪花模式不如星形模式流行。二、写出伪代码可编辑范本三答：（1）所有频繁项集为： [E,K,O] [K,M] [K,Y](2) 关联规则 :[O]->[E,K] 1.0可编辑范本[E,O] -> [K] 1.0[K,O] -> [E] 1.0[M] -> [K] 1.0[Y] -> [K] 1.0答：a)决策树表示一种树型结构，它由它的分来对该类型对象依靠属性进行分类。每个决策树可以依靠对源数据库的分割进行数据测试。这个过程以递归的方式对树进行修剪。当不能再分割时，递归完成。因此决策树不会无限循环。b)0c)sized)Children,SIN,...
