数据挖掘题目及答案VIP专享VIP免费

一、何为数据仓库？其主要特点是什么？数据仓库与 KDD 的联系是什么？ 数据仓库是一个面向主题的（Subject Oriented）、集成的（Integrate）、相对稳定的（Non-Volatile）、反映历史变化（Time Variant）的数据集合，用于支持管理决策。 特点： 1、面向主题 操作型数据库的数据组织面向事务处理任务，各个业务系统之间各自分离，而数据仓库中的数据是按照一定的主题域进行组织的。 2、集成的 数据仓库中的数据是在对原有分散的数据库数据抽取、清理的基础上经过系统加工、汇总和整理得到的，必须消除源数据中的不一致性，以保证数据仓库内的信息是关于整个企业的一致的全局信息。 3、相对稳定的 数据仓库的数据主要供企业决策分析之用，一旦某个数据进入数据仓库以后，一般情况下将被长期保留，也就是数据仓库中一般有大量的查询操作，但修改和删除操作很少，通常只需要定期的加载、刷新。 4、反映历史变化 数据仓库中的数据通常包含历史信息，系统记录了企业从过去某一时点 (如开始应用数据仓库的时点)到目前的各个阶段的信息，通过这些信息，可以对企业的发展历程和未来趋势做出定量分析和预测。 所谓基于数据库的知识发现（KDD）是指从大量数据中提取有效的、新颖的、潜在有用的、最终可被理解的模式的非平凡过程。数据仓库为 KDD 提供了数据环境，KDD 从数据仓库中提取有效的，可用的信息 二、 数据库有 4 笔交易。设 minsup=60%，minconf=80%。 TID DATE ITEMS_BOUGHT T100 3/5/2009 {A, C, S, L} T200 3/5/2009 {D, A, C, E, B} T300 4/5/2010 {A, B, C} T400 4/5/2010 {C, A, B, E} 使用 Apriori 算法找出频繁项集，列出所有关联规则。 解：已知最小支持度为 60%，最小置信度为 80% 1）第一步，对事务数据库进行一次扫描，计算出 D中所包含的每个项目出现的次数，生成候选 1-项集的集合 C1。 D TID 项集 T100 {A, C, S, L} T200 {D, A, C, E, B} T300 {A, B, C} T400 {C, A, B, E} C1 项集 支持度计数 {A} 4 {B} 3 {C} 4 {D} 1 {E} 2 {S} 1 {L} 1 2）第二步，根据设定的最小支持度，从C1中确定频繁1-项集L1。 L1 项集 支持度计数 {A} 4 {B} 3 {C} 4 3）第三步，由 L1产生候选 2-项集C2，然后扫描事务数据库对 C2中的项集进行计数。 C2 项集 支持度计数 {A, B} 3 {A, C} 4 {B, C} 3 4) 第四步，根据最小...