DataMiningTakeHomeExam学号姓名1.（20分）考虑下表的数据集.doc

Data Mining Take Home Exam 学号: 姓名: 1. （20分）考虑下表的数据集。 顾客ID 性别 车型 衬衣尺码 类 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 男 男 男 男 男 男 女 女 女 女 男 男 男 男 女 女 女 女 女 女 家用 运动 运动 运动 运动 运动 运动 运动 运动 豪华 家用 家用 家用 豪华 豪华 豪华 豪华 豪华 豪华 豪华 小 中 中 大 加大 加大 小 小 中 大 大 加大 中 加大 小 小 中 中 中 大 C0 C0 C0 C0 C0 C0 C0 C0 C0 C0 C1 C1 C1 C1 C1 C1 C1 C1 C1 C1 （1）计算整个数据集的Gini指标值。 （2）计算属性性别的Gini指标值 （3）计算使用多路划分属性车型的Gini指标值 （4）计算使用多路划分属性衬衣尺码的Gini指标值 （5）下面哪个属性更好，性别、车型还是衬衣尺码？为什么？ 2. （20分）考虑下表中的购物篮事务数据集。 顾客ID 事务ID 购买项 1 1 2 2 3 3 4 4 5 5 001 0024 0012 0031 0015 0022 0029 0040 0033 0038 {a,d,e} {a,b,c,e} {a,b,d,e} {a,c,d,e} {b,c,e} {b,d,e} {c,d} {a,b,c} {a,d,e} {a,b,e} (1) 将每个事务ID视为一个购物篮，计算项集{e}，{b,d} 和{b,d,e}的支持度。 （2）使用（1）的计算结果，计算关联规则 {b,d}→{e}和{e}→{b,d} 的置信度。 （3）将每个顾客ID作为一个购物篮，重复（1）。应当将每个项看作一个二元变量（如果一个项在顾客的购买事务中至少出现一次，则为1，否则，为0）。 （4）使用（3）的计算结果，计算关联规则{b,d}→{e}和{e}→{b,d} 的置信度。 3. （20分）以下是多元回归分析的部分R输出结果。 ls1=lm(y~x1+x2) anova(ls1) Df Sum Sq Mean Sq F value Pr(F) x1 1 10021.2 10021.2 62.038 0.0001007 *** x2 1 4030.9 4030.9 24.954 0.0015735 ** Residuals 7 1130.7 161.5 ls2-lm(y~x2+x1) anova(ls2) Df Sum Sq Mean Sq F value Pr(F) x2 1 3363.4 3363.4 20.822 0.002595 ** x1 1 10688.7 10688.7 66.170 8.193e-05 *** Residuals 7 1130.7 161.5 （1）用F检验来检验以下假设 (α = 0.05) H0: β1 = 0 Ha: β1 ≠ 0 计算检验统计量；是否拒绝零假设，为什么？ （2）用F检验来检验以下假设 (α = 0.05) H0: β2 = 0 Ha: β2 ≠ 0 计算检验统计量；是否拒绝零假设，为什么？ （3）用F检验来检验以下假设 (α = 0.05) H0: β1 = β2 = 0 Ha: β1 和 β2 并不都等于零 计算检验统计量；是否拒绝零假设，为什么？ 4. （20分）考虑下面20个观测值： [1] -20.00 -0.516 -1.249 -0.510 25.000 [6] -0.561 -0.928 -0.023 0.714 0.374 [11] -0.377 0.830 0.838 0.874 -1.306 [16] 1.138 1.087 -1.489 2.524 0.713 （1）用3*S 标准来检测该数据中是否存在异常值。 （2）用1.5*IQR 标准来检测该数据中是否存在异