数据挖掘试卷及答案.doc

12/13 年第2学期《数据挖掘与知识发现》期末考试试卷及答案
一、 什么是数据挖掘?什么是数据仓库？并简述数据挖掘的步骤.（20分）
数据挖掘是从大量数据中提取或发现（挖掘）知识的过程。
数据仓库是面向主题的、集成的、稳定的、不同时间的数据集合，用于支持经营管理中的决策制定过程。
步骤：
1）数据清理 （消除噪声或不一致数据) 2） 数据集成 （多种数据源可以组合在一起) 3 ） 数据选择 （从数据库中检索与分析任务相关的数据） 4 ) 数据变换 （数据变换或统一成适合挖掘的形式，如通过汇总或聚集操作） 5） 数据挖掘 （基本步骤,使用智能方法提取数据模式） 6） 模式评估 （根据某种兴趣度度量，识别表示知识的真正有趣的模式；） 7） 知识表示 (使用可视化和知识表示技术，向用户提供挖掘的知识）
二、元数据的定义是什么?元数据包括哪些内容？(20分)
元数据是关于数据的数据。在数据仓库中, 元数据是定义仓库对象的数据。
元数据包括 :
数据仓库结构的描述，包括仓库模式、视图、维、分层结构、导出数据的定义, 以及数据集市的位置和内容。
操作元数据，包括数据血统（移植数据的历史和它所使用的变换序列）、数据流通(主动的、档案的或净化的）、管理信息(仓库使用统计量、错误报告和审计跟踪）。
汇总算法，包括度量和维定义算法， 数据所处粒度、划分、主题领域、聚集、汇总、预定义的查询和报告 .
由操作环境到数据仓库的映射,包括源数据库和它们的内容，网间连接程序描述, 数据划分, 数据提取、清理、转换规则和缺省值， 数据刷新和净化规则， 安全 （用户授权和存取控制）。
关于系统性能的数据,刷新、更新定时和调度的规则与更新周期，改善数据存取和检索性能的索引和配置.
商务元数据，包括商务术语和定义, 数据拥有者信息和收费策略。
三、在 O L A P 中，如何使用概念分层？ 请解释多维数据模型中的OLAP上卷下钻切片切块和转轴操作.（20分）
在多维数据模型中，数据组织成多维，每维包含由概念分层定义的多个抽象层。这种组织为用户从不同角度观察数据提供了灵活性。有一些 O L A P 数据立方体操作用来物化这些不同视图,允许交互查询和分析手头数据。因此 ， O L A P 为交互数据分析提供了友好的环境.
上卷:上卷操作通过一个维的概念分层向上攀升或者通过维归约 ,在数据立方体上进行聚集.
下钻：下钻是上卷的逆操作，它由不太详细的数据到更详细的数据。下钻可以通过沿维的概念分层向下或引入新的维来实现.
切片:在给定的数据立方体的一个维上进行选择,导致一个子方。
切块：通过对两个或多个维执行选择，定义子方。
转轴: 转轴是一种目视操作，它转动数据的视角，提供数据的替代表示.
四、什么是数据变换?数据变换涉及的内容有哪些? （20分）
数据变换是将数据转换成适合于挖掘的形式.数据变换可能涉及如下内容 ：1）。平滑：去掉数据中的噪声。这种技术包括分箱、聚类和回归。
2)。聚集 :对数据进行汇总和聚集。例如，可以聚集日销售数据，计算月和年销售额。通常，这一步用来为多粒度数据分析构造数据立方体。
3).数据概化 ：使用概念分层，用高层次概念替换低层次“原始”数据。例如，分类的属性,如 s t re e t ，可以概化为较高层的概念，如 c i t y 或 c o u n t ry .类似地，数值属性，如 a g e ，可以映射到较高层概念，如 young， middle—age 和 s e n i o r 。
4)。规范化 ：将属性数据按比例缩放，使之落入一个小的特定区间,如－ 1 。 0 到 1 。 0 或 0 。 0 到 1 。 0 。
5).属性构造 (或 特征构造 ):可以构造新的属性并添加到属性集中，以帮助挖掘过程。
五、用Apriori、FP—growth、GSP、Prefixspan、SPAM算法中任意一到两种算法，挖掘出所有的频繁项集（表1）或频繁序列（表2），并写出具体过程。假设事务数据库D如下：最小支持度计数为2。(20分）以Apriori算法为例。
Tid
Items
10
A， C， D
20
B， C, E
30
A， B， C， E
40
B, E
Sid
Sequence
10
〈a(abc）(ac）d（cf)〉
20
<（ad）c（bc）（ae)>
30
<(ef）(ab）（df）cb>
40
〈（af）cbc〉