数据挖掘试题与答案VIP免费

一、解答题（满分30 分，每小题 5 分）1. 怎样理解数据挖掘和知识发现的关系？请详细阐述之首先从数据源中抽取感兴趣的数据，并把它组织成适合挖掘的数据组织形式；然后，调用相应的算法生成所需的知识；最后对生成的知识模式进行评估，并把有价值的知识集成到企业的智能系统中。知识发现 是一个指出数据中有效、崭新、潜在的、有价值的、一个不可忽视的流程，其最终目标是掌握数据的模式。流程步骤：先理解要应用的领域、熟悉相关知识，接着建立目标数据集，并专注所选择的数据子集；再作数据预处理，剔除错误或不一致的数据；然后进行数据简化与转换工作；再通过数据挖掘的技术程序成为模式、做回归分析或找出分类模型；最后经过解释和评价成为有用的信息。2. 时间序列数据挖掘的方法有哪些，请详细阐述之时间序列数据挖掘的方法有：1）、确定性时间序列预测方法 :对于平稳变化特征的时间序列来说，假设未来行为与现在的行为有关， 利用属性现在的值预测将来的值是可行的。例如，要预测下周某种商品的销售额，可以用最近一段时间的实际销售量来建立预测模型。2）、 随机时间序列预测方法 :通过建立随机模型，对随机时间序列进行分析，可以预测未来值。若时间序列是平稳的，可以用自回归(Auto Regressive，简称AR) 模型、移动回归模型(Moving Average，简称MA) 或自回归移动平均(Auto Regressive Moving Average，简称 ARMA) 模型进行分析预测。3）、其他方法 :可用于时间序列预测的方法很多， 其中比较成功的是神经网络。由于大量的时间序列是非平稳的， 因此特征参数和数据分布随着时间的推移而变化。假如通过对某段历史数据的训练，通过数学统计模型估计神经网络的各层权重参数初值，就可能建立神经网络预测模型，用于时间序列的预测。3. 数据挖掘的分类方法有哪些，请详细阐述之分类方法归结为四种类型：1）、基于距离的分类方法 :距离的计算方法有多种， 最常用的是通过计算每个类的中心来完成， 在实际的计算中往往用距离来表征，距离越近，相似性越大，距离越远，相似性越小。。2）、决策树分类方法 :决策树（ Decision Tree）的每个内部结点表示在一个属性上的测试，每个分枝代表一个测试输出，而每个树叶结点代表类或类分布。树的最顶层结点是根结点。3）、贝叶斯分类方法 :设 X 是类标号未知的数据样本。设H 为某种假定，如数据样本 X 属于某特定的类C。对于分类问题，我们希望确定P(H|X)，即给定观...