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(Au to Regressiv e，简称AR)模型、移 动 回归模型(Mov ing Av erage，简称MA)或自 回归移 动 平 均 (Au to Regressiv e Mov ing Av erage，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...
