数据挖掘期末考试答案总结.docVIP

一、业务理解：业务理解包括确定商业对象、了解现状、建立数据挖掘目标和制定计划书。?????应该是对数据挖掘的目标有一个清晰的认识，知道利润所在，其中包括数据收集、数据分析和数据报告等步骤。?? 二、数据理解：一旦商业对象和计划书确定完备，数据理解就考虑将所需要的数据。这一过程包括原始数据收集、数据描述、数据探索和数据质量核查等。? 三、数据准备：确定可用的数据资源以后，需要对此进行筛选、清理、调整为所需要的形式。数据整理和数据转换等数据建模的准备工作需要在这一阶段完成。更深层次的数据探索也可以在这一阶段进行，新增模型的应用再次提供了在业务理解基础上看清楚数据模式的机会。? 四、建立模型：数据模型建立是应用数据挖掘软件不不同的情景下获得结果的过程。??????????? 五、模型评估：数据解释阶段是至关重要的，要对建立的模型是否能够达到问题解决的目的进行研究，即包括模型是否能够达到研究的目标；模型是否能够用合适的方法显示。? 六、模型发布：数据挖掘既可以应用于核实先前的假设，也可以应用于知识发现（识别未预期的有用的关系）。 1. 某超市研究销售纪录数据后发现，买啤酒的人很大概率也会购买尿布，这种属于数据挖掘的哪类问题？(A) A. 关联规则发现 B. 聚类 C. 分类 D. 自然语言处理 12. 假设12个销售价格记录组已经排序如下：5, 10, 11, 13, 15, 35, 50, 55, 72, 92, 204, 215 使用如下每种方法将它们划分成四个箱。等频（等深）划分时，15在第几个箱子内？ (B)A 第一个 B 第二个 C 第三个 D 第四个 18. Apriori算法的计算复杂度受影响。A、支持度阀值 B、项数（维度）C、事务数 D、事务平均宽度? Apriori使用一种称作逐层有哪些信誉好的足球投注网站的迭代方法，K项集用于探索K+1项集。 ? 该方法是基于候选的策略，降低候选数 ? Apriori剪枝原则：若任何项集是非频繁的，则其超集必然是非频繁的（不用产生和测试超集） ? 该原则基于以下支持度的特性: ? 项集的支持度不会超过其子集 ? 支持度的反单调特性（anti-monotone）：如果一个集合不能通过测试，则它的所有超集也都不能通过相同的测试。 ? 令 k=1 ? 产生长度为1的频繁项集 ? 循环，直到无新的频繁项集产生 ? 从长度为k的频繁项集产生长度为k+1的候选频繁项集 ? 连接步：项集的各项排序，前k-1个项相同 ? 若候选频繁子集包含长度为k的非频繁子集，则剪枝 ? 剪枝步：利用支持度属性原则 ? 扫描数据库，计算每个候选频繁集的支持度 ? 删除非频繁项, 保留频繁项 遗传算法的基本步骤： 步1 在有哪些信誉好的足球投注网站空间U上定义一个适应度函数f(x)，给定种群规模N，交叉率Pc和变异率Pm，代数T； 步2 随机产生U中的N个个体s1, s2, …, sN，组成初始种群S={s1, s2, …, sN}，置代数计数器t=1； 步3 计算S中每个个体的适应度f() ； 步4 若终止条件满足，则取S中适应度最大的个体作为所求结果，算法结束。 步5 按选择概率P(xi)所决定的选中机会，每次从S中随机选定1个个体并将其染色体复制，共做N次，然后将复制所得的N个染色体组成群体S1； 步6 按交叉率Pc所决定的参加交叉的染色体数c，从S1中随机确定c个染色体，配对进行交叉操作，并用产生的新染色体代替原染色体，得群体S2； 步7 按变异率Pm所决定的变异次数m，从S2中随机确定m个染色体，分别进行变异操作，并用产生的新染色体代替原染色体，得群体S3； 步8 将群体S3作为新一代种群，即用S3代替S，t = t+1，转步3； CHAID: （1）可产生多分枝的决策树 （2）目标变量可以定距或定类 （3）从统计显著性角度确定分支变量和分割值，进而优化树的分枝过程 （4）建立在因果关系探讨中，依据目标变量实现对输入变量众多水平划分 C 5.0算法 执行效率和内存使用改进、适用大数据集 1)面对数据遗漏和输入字段很多的问题时非常稳健； 2)通常不需要很长的训练次数进行估计； 3)比一些其他类型的模型易于理解，模型推出的规则有非常直观的解释； 4)允许进行多次多于两个子组的分割。目标字段必须为分类字段。 5）C5.0也提供强大的增强技术以提高分类的精度。 C5.0是多叉树，CRT是二叉树； C5.0的目标字段是分类型的，CRT的目标字段既可以是分类型的也可以是数值型的；