浙江大学远程教育学院 《数据挖掘》课程作业 姓名： 吴金翔 学 号： 713070244001 年级： 1 3 春信息管理 学习中心： 余杭 ————————————————————————————— 第一章 引言 一、填空题 （1）数据库中的知识挖掘(KDD)包括以下七个步骤：数据清理 、 数据集成 、 数据选择 、 数据变换 、 数据挖掘 、模式评估 和 知识表示 （2） 数据挖掘的性能问题主要包括： 算法的效率 、 可扩展性 和 并行处理 （3） 当前的数据挖掘研究中，最主要的三个研究方向是： 统计学 、 数据路技术 和 机器学习 （4） 孤立点是指： 一些与数据的一般行为或模型不一致的孤立数据 二、简答题 （1）什么是数据挖掘？ 答：数据挖掘指的是从大量的数据中挖掘出那些令人感兴趣的，有用的，隐含的，先前未知的和可能有用的模式或知识。 （2）一个典型的数据挖掘系统应该包括哪些组成部分？ 答：1，数据库、数据仓库或其他信息库；2，数据库或数据仓库服务器；3，知识库；4，数据挖掘引擎；5，模式评估模块；6.图形用户界面。 （3）Web 挖掘包括哪些步骤？ 答：数据清理（可能有占全过程的 60%的工作量）；将数据存入数据仓库；建立数据立方体；选择用来进行数据挖掘的数据；数据挖掘（选择适当的算法来找到感兴趣的模式）；展现挖掘结果；将模式或者知识应用或者存入知识库。 （4）请列举数据挖掘应用常见的数据源。 （或者说，我们都在什么样的数据上进行数据挖掘） 答：常见的数据源包括关系数据路、数据仓库、事务数据库和高举数据库系统和信息库。其中国际数据库系统和信息库包括：空间数据库、时间数据库和时间序列数据库、流数据、多媒体数据库、面向对象数据库和对象关系数据库、异种数据库和遗产数据库、文本数据库和万维网等。 第二章 认识数据 一、填空题 （1）两个文档向量 d 1 和 d 2 的值为：d 1 = (1, 0, 3, 0, 2)，d 2 = (3, 2, 0, 0, 1)，则它们的余弦相似度为： 5/13 （2）数据离散度的常用度量包括 极差 、 分位数 、 四分位数 、 百分位数 四分位数极差 和 标准差 （3）一种常用的确定离群点的简单方法是： 出落在至少高于第三个四分位数或低于第一个四分位数1.5*IQR 处的值 。 二、单选题 （1）对于下图所示的正倾斜数据，中位数、平均值、众数三者之间的关系是： A、中位数=平均值=众数； B 中位数>平均值>众数； C、...
