1、填空題（15分）1. 數(shù)據(jù)倉庫的特點分別是面向主題、集成、相對穩(wěn)定、反映歷史變化。2. 元數(shù)據(jù)是描述數(shù)據(jù)倉庫內(nèi)數(shù)據(jù)的結(jié)構(gòu)和建立方法的數(shù)據(jù)。根據(jù)元數(shù)據(jù)用途的不同可將元數(shù)據(jù)分為技術(shù)元數(shù)據(jù)和業(yè)務元數(shù)據(jù)兩類。3.0LAP技術(shù)多維分析過程中，多維分析操作包括切片、切塊、鉆取、旋轉(zhuǎn)等。4.基于依賴型數(shù)據(jù)集市和操作型數(shù)據(jù)存儲的數(shù)據(jù)倉庫體系結(jié)構(gòu)常常被稱為“中心和輻射”架構(gòu)，其中 企業(yè)級數(shù)據(jù)倉庫 是中心，源數(shù)據(jù)系統(tǒng)和數(shù)據(jù)集市在輸 入和輸出范圍的兩端。5.0DS實際上是一個集成的、面向主題的、可更新的、 當前值的、 企業(yè)級的、詳細的數(shù)據(jù)庫，也叫運營數(shù)據(jù)存儲。二、多項選擇題（10分）6. 在數(shù)據(jù)挖掘的分析方法中，直

2、接數(shù)據(jù)挖掘包括（ACD ）A分類 B 關(guān)聯(lián) C 估值 D 預言7. 數(shù)據(jù)倉庫的數(shù)據(jù)ETL過程中，ETL軟件的主要功能包括（ABC）A數(shù)據(jù)抽取 B 數(shù)據(jù)轉(zhuǎn)換C 數(shù)據(jù)加載 D數(shù)據(jù)稽核8. 數(shù)據(jù)分類的評價準則包括（ABCD ）A精確度 B查全率和查準率C F-Measure D 幾何均值9. 層次聚類方法包括（BC ）A劃分聚類方法B凝聚型層次聚類方法 C分解型層次聚類方法 D 基于密 度聚類方法10. 貝葉斯網(wǎng)絡由兩部分組成，分別是（ A D ）A網(wǎng)絡結(jié)構(gòu) B 先驗概率 C后驗概率 D 條件概率表三、 計算題（30分）11. 個食品連鎖店每周的事務記錄如下表所示，其中每一條事務表示在一項收款機業(yè)務

3、中賣出的項目，假定 supmin=40% confmin=40%使用AprioN 算法計算 生成的關(guān)聯(lián)規(guī)則，標明每趟數(shù)據(jù)庫掃描時的候選集和大項目集。（15分）事務項目事務項目T1面包、果凍、花生醬T4啤酒、面包T2面包、花生醬T5啤酒、牛奶T3面包、牛奶、花生醬解：（1）由1=面包、果凍、花生醬、牛奶、啤酒的所有項目直接產(chǎn)生1-候選G，計算其支持度，取出支持度小于 supmin的項集，形成1-頻繁集L1，如下表所示:項集G支持度項集L1支持度面包4/5面包4/5花生醬3/5花生醬3/5牛奶2/5牛奶2/5啤酒2/5啤酒2/5(2) 組合連接Li中的各項目，產(chǎn)生2-候選集C2,計算其支持度，取出

4、支持度小于supmin的項集，形成2-頻繁集L2,如下表所示:項集G支持度項集L2支持度面包、花生醬3/5面包、花生醬3/5至此，所有頻繁集都被找到，算法結(jié)束，所以，confidence (面包 花生醬) = (4/5 ) / (3/5 ) =4/3> conf mincon fide nee (花生醬 面包) = (3/5 ) / (4/5 ) =3/4> conf min所以，關(guān)聯(lián)規(guī)則面包花生醬、花生醬 面包均是強關(guān)聯(lián)規(guī)則。12. 給定以下數(shù)據(jù)集(2，4，10，12，15, 3, 21)，進行K-Means聚類，設定聚類數(shù)為2個，相似度按照歐式距離計算。(15分)解：(1)從數(shù)

5、據(jù)集X中隨機地選擇k個數(shù)據(jù)樣本作為聚類的出示代表點，每一個代表點表示一個類別，由題可知 k=2，則可設m=2，m=4:(2)對于X中的任意數(shù)據(jù)樣本Xm( 1<xm<total )，計算它與k個初始代表點的距 離，并且將它劃分到距離最近的初始代表點所表示的類別中：當m=2時，樣本(2，4，10，12，15, 3, 21)距離該代表點的距離分別為 2，8，10，13，1,19。當m=4時，樣本(2 , 4, 10, 12, 15, 3, 21)距離該代表點的距離分別為-2 ,6, 8, 11, -1 , 17。最小距離是1或者-1將該元素放入m=2的聚類中，則該聚類為(2, 3),另一

6、個 聚類 m2=4 為（4，10，12，15，21）。（3）完成數(shù)據(jù)樣本的劃分之后，對于每一個聚類，計算其中所有數(shù)據(jù)樣本的均值，并且將其作為該聚類的新的代表點，由此得到k個均值代表點：m=2.5 , m=12:（4）對于 X 中的任意數(shù)據(jù)樣本 xm（1<xm<total ），計算它與 k 個初始代表點的 距離，并且將它劃分到距離最近的初始代表點所表示的類別中：當m1=2.5 時，樣本（2 ，4，10，12，15，3，21）距離該代表點的距離分別為 -0.5 ，0.5 ，1.5 ，7.5 ，9.5 ，12.5 ，18.5。當m=12時，樣本（2，4, 10，12, 15, 3, 21

7、）距離該代表點的距離分別為-10，-9 ， -8 ， 2， 3， 9。最小距離是 1.5 將該元素放入 m1=2.5 的聚類中,則該聚類為（ 2, 3, 4）,另一 個聚類 m=12為（10, 12, 15, 21）。（ 5）完成數(shù)據(jù)樣本的劃分之后,對于每一個聚類,計算其中所有數(shù)據(jù)樣本的均 值,并且將其作為該聚類的新的代表點,由此得到 k 個均值代表點： m1=3, m2=14.5：（ 6）對于 X 中的任意數(shù)據(jù)樣本 xm（ 1<xm<total ）,計算它與 k 個初始代表點的 距離,并且將它劃分到距離最近的初始代表點所表示的類別中：當m1=3 時,樣本（2 , 4, 10, 1

8、2, 15, 3, 21）距離該代表點的距離分別為 -1 , 1, 7, 9, 12, 18 ,。當 m2=14.5 時,樣本（ 2 , 4, 10, 12, 15, 3, 21）距離該代表點的距離分別為-12.58 , -11.5 , -10.5 , -4.5 , -2.5 , 0.5, 6.5。最小距離是0.5將該元素放入m=3的聚類中，則該聚類為（2, 3, 4）,另一個聚類 02=14.5 為（10，12，15，21）。至此，各個聚類不再發(fā)生變化為止，即誤差平方和準則函數(shù)的值達到最優(yōu)。四設計題（45分）13. 按照題目給定的3個數(shù)據(jù)文件，任選一個建立數(shù)據(jù)流圖，要求至少包括記錄選項、字段

9、選項、圖形結(jié)點各一個。任選關(guān)聯(lián)規(guī)則Apriori算法、貝葉斯網(wǎng)絡、K-Means聚類、決策樹C5.0 （C4.5）算法、神經(jīng)網(wǎng)絡中的一個進行挖掘，并給出數(shù)據(jù)流圖。（10分）churncmurn對以上數(shù)據(jù)流圖中使用的每個結(jié)點做一簡短說明。（10分） 選擇：age>25.過濾：過濾后的字段。Regio n, te nure,age,marital,churn.宇段類型值厭失檢查方可regiontenureFIEJFl_F1BJ rm im tm +巳直+B F F F1 SJ70.1【叩】14. 給出以上數(shù)據(jù)流圖中模型的執(zhí)行結(jié)果 （生成模型完全展開后的數(shù)據(jù)），對于執(zhí)行結(jié)果太多的，可節(jié)選部分結(jié)

10、果。（10分）過濾：過濾后的字段。Regio n, te nure,age,marital,churn.過濾：過濾后的字段。Regio n, te nure,age,marital,churn.Jipe*=Ft=H1 走亠1151 -I 2 F 日 HLFTzz4占殲 m 口iW < 4 0丁曰 a > 4-1r-r-isirit&l C O_4S >亠卜 Jfn re q I o> ri a 1 O O 5<> 頁磚孝±_壬 O "F TL-T*t0P0< dNb曰 N >"p* r-Fisrl1r&

11、;l < 0.0 > 葉1于"T-=i |r-| ILJ r& < 3 衛(wèi) T 3 曰 > a l oi m一 -1 OO<tMS.>l=j- -erg!玉住凸二 & e Fwmt中m a © < o. 3&S > 匸口占= itmmiriitmj f 匚i ” 口二 i-3*-?-J r& < 3 坷.5 Y 才 >Str-E*o* on <1 一 q 口口耳 Qim < -< 3-1 Iri "?- >r¥f F n >FF>

12、;"* " J *=* < r=S!l 4 hF=E >亠廠戶 b n> m < -i =- -i n n 7»>鼻 i_-5S3 <Z®> IFC Ft15. 對以上模型生成的結(jié)果做一簡要的分析，包括算法采用的基本原理、數(shù)學模型、算法步驟等。（15分）答: k-means聚類算法基本原理：將各個聚類子集內(nèi)的所有數(shù)據(jù)樣本的均值作為 該聚類的代表點，算法的主要思想是通過迭代過程把數(shù)據(jù)劃分為不同的類別，使得評價聚集類性能的準則函數(shù)達到最優(yōu)，從而使生成的每個聚集類的緊湊，類間 獨立。操作步驟:輸入：數(shù)據(jù)集 , 其中的數(shù)據(jù)樣本只包含描述屬性，不包含類別屬性。聚類個數(shù) K輸出：(1)從數(shù)據(jù)集X中隨機地選擇k個數(shù)據(jù)樣本作為聚類的出示代表點，每一個代表點表示一個類別( 2)對于 X 中的任意數(shù)據(jù)樣本 xm( 1<xm<total )，計算它與 k 個初始代表點的 距離，并且將它劃分到距離最近的初始代表點所表示的