数据仓库与数据挖掘 复习题.doc

数据仓库与数据挖掘教程期末复习题
1、数据挖掘来源于机器学习。
2、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决策制定过程。
3、元数据描述了数据仓库的数据和环境，遍及数据仓库的所有方面，是整个数据仓库的核心。
4、Codd将数据分析模型分为四类：绝对模型、解释模型、思考模型和公式化。
5、数据立方体是在所有可能组合的维上进行分组聚集运算的总和。
6、数据质量是数据仓库的成败关键。
7、概括分析是探索者分析过程的第一步。
8、数据仓库的物理模型设计是对逻辑模型设计的数据模型确定物理存储结构和存取方法。
9、自组织网络以ART模型、Kohonen模型为代表，用于聚类。
10、预测是利用历史数据找出变化规律，建立模型，并用此模型来预测未来数据的种类、特征等。
11、调和数据是存储在企业级数据仓库和操作型数据存储中的数据。
12、SQL、SERVER SSAS提供了所有业务数据的同意整合试图，可以作为传统报表和数据挖掘、在线分析处理、关键性能指示器记分卡的基础。
13、数据仓库的概念模型通常采用信息包图法来进行设计。
14、关联规则（关联规则的定义）的经典算法包括（）算法。
15、分类器设计阶段包含划分数据集、分类器构造、分类器测试。
16、雪花模型是对星型模式维表的进一步层次化和规范化来消除冗余的数据。
17、数据处理通常分成两大类：联机事务处理和联机分析处理（英文缩写）。
18、数据抽取的两个常见类型是静态抽取和增量抽取。
19、维度表一般由主键、分类层次和描述属性组成。
20、ROLAP是基于关系数据库的OLAP实现，而MOLAP是基于多维数据结构组织的OLAP实现。
21、数据仓库按照其开发过程，其关键环节包括数据抽取、数据存储、数据管理和数据表现等到。
22、KDD是数据集中识别出有效的、新颖的、潜在有用的、以及最终可理解的模式的高级处理过程。
23、遗传算法中的基本要素（P27）：
问题编码；初始群体的设宴设定；适应值函数的设计；遗传操作设计；控制参数设定；
24、数据集市
数据集市是指具有特定应用的数据仓库主针对某个具有应用战略意义的应用或者具体部门级的应用，支持用户利用已有的数据获得重要竞争优势或者找到进入市场的具体解决方案。
25、数据字典
数据字典是数据库中各类数据描述的集合，通常包括数据项、数据结构、数据流、数据存储和处理过程五个部分。
26、切片
选定多维数组的一个二维子集的操作叫作切片。
27、数据仓库有哪些特点？
28、ETL过程的主要步骤可以概括为哪几主方面？
29、数据分割有哪些好处？
30、数据挖掘的任务有哪些？
概念描述；关联分析；分类；聚类；孤立点分析；时间序列分析；预测；
31、数据挖掘和在线分析处理的联系和区别是什么？
32、什么是Apriori算法？
Apriori算法的中心思想是首先通过对事务数据库进行扫描，找出支持度不小于最小支持度的所有项目，即频繁1-项集。然后循环执行以下三步：
（1） 对频繁K-项集中的项进行连接，前提条件是前K-1项必须相同。
（2） 进行减枝，利用Apriori物质对连接后项目集进行筛选，删除那些子集不是频繁集的项目集，得出候选（K+1）-项集。
（3） 对数据库进行扫描，计算候选项的支持度，从候选集中删除支持度小于最小扶持度的候选项，进而得出频度（K+1）-项集。依此类推，直到不能找到频繁项集为止，也即频繁K-项集为空。
33、信息反映的是数据本身之间的关联。
34、流行的关系数据库系统。Oracle
35、面向决策分析的数据资源管理包括数据仓库以及之紧密相关的DSS。
36、谈谈你对数据挖掘的认识和理解？（什么是数据挖掘、如何进行数据挖掘、常用方法和手段、各种方法的优缺点）
37、多维分析是指以“维”形式组织起来的数据采取切片、切块、钻取和旋等到各种分析动作，以求剖析数据，使用户能从不同角度、不同侧面观察数据仓库中的信息。
38、连续型属性的数据样本之间的距离有欧氏距离、曼哈距离和明考斯基距离。
39、狭义的数据资源包括客户记录、采购记录、库存记录；广义的数据资源包括……
40、层次聚类方法
41、使用星型模式可以从一定程度上提高查询效率，因为……
42、粒度是……
43、数据仓库中存在不同综合级别的数据。一般把数据分成哪几个级别？
44、最常用的数据仓库设计结构的实现模式是……
45、数据仓库的数据获取需要经过过程包括抽取、转换、装载
46、在当今的技术条件下，DSS主要是基于数据仓库、联机数据分析、数据挖掘技术
47、聚类方法包括统计分析方法、机器学习方法、神经网络方法。
48、属于面向业务操作的数据资源管理的是数据库、TPS、MIS ……
49、基于计算机的TPS包括数收集、数据存储、数据处理……
50、确定了数据仓库的粒度模型以后，为提高数据的使用性能，还需要做什么？
51、分类问题中常用的判断准则有精确度、查全率和集合值。
52、数据仓库由哪几部分组成？
数据仓库数据库，数据抽取工具，元数据，访问工具，数据集市，数据仓库管理，信息发布系统。
53、常见的聚类算法可以分为哪几类？
基于划分的聚类算法，基于层次的聚类算法，基于密度的聚类算法，基于网格的聚类算法，基于模型的聚类算法等。
54、数据仓库的发展演变经历了哪几个阶段？
以报表为主；以分析为主；以预测模型为主；以运行向导为主的实现数据仓库，自动决策应用为主。
55、ID3算法主要存在的缺点？
56 利用信息包图设计数据仓库概念模型需要确定哪几个方面的内容？
确定指标，确定维度，确定类别。
57什么是技术元数据，主要包含的内容？
技术元数据是描述关于数据仓库技术细节的数据，应用于开发、管理和维护。DW包含：
（1）、D结构的描述，如DW的模式、视图、维、层次结构和导出数据的定义，数据集市的位置和内容等；
（2）、业务系统、DW和数据集市的体系结构和模式；
（3）、汇总算法。包括度量和定义算法、数据粒度、主题领域、聚合、汇总和预定义的查询和报告。
（4）、由操作型业务环境到数据仓库业务环境的映射。包括源数据和他们的内容、数据分割、数据提取、清洗、转换规则和数据刷新及安全（用户授权和存取控制）。
58、数据从集结区加载到数据仓库中的主要方法？P36
（1）、SQL命令（Insert或Update）；
（2）、由DW供应商或第三方提供专门的加载工具；
（3）由DW管理员编写自定义程序。
59、Gvim（vim 或vi）的一些简单操作。打开文档test.cpp,命令：e e:\test.cpp，回车;保存文档，命名为ter.txt,命令：w e:\ter.txt;hjkl为方向（左下上右）？插入状态、命令行