數(shù)據(jù)挖掘工程師章節(jié)練習(xí)(2019.12.04)

單項(xiàng)選擇題
假設(shè)屬性income的最大最小值分別是12000元和98000元。利用最大最小規(guī)范化的方法將屬性的值映射到0至1的范圍內(nèi)。對(duì)屬性income的73600元將被轉(zhuǎn)化為：（）。
A.0.821
B.1.224
C.1.458
D.0.716
問答題
數(shù)據(jù)挖掘?qū)垲惖臄?shù)據(jù)要求是什么？
答案：（1）可伸縮性
（2）處理不同類型屬性的能力
（3）發(fā)現(xiàn)任意形狀的聚類
（4）使輸入?yún)?shù)的...
名詞解釋
頻繁項(xiàng)集
答案：指滿足最小支持度的項(xiàng)集，是挖掘關(guān)聯(lián)規(guī)則的基本條件之一。
問答題
簡(jiǎn)述維度歸約和特征變換。
答案：維度歸約和特征變換：維度歸約可以刪除不相關(guān)的特征并降低噪聲，降低維度災(zāi)難風(fēng)險(xiǎn)，降低數(shù)據(jù)挖掘的時(shí)間復(fù)雜度和空間復(fù)雜度，特征...
單項(xiàng)選擇題
以下哪個(gè)范圍是數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)庫(kù)規(guī)模的一個(gè)合理范圍？（）
A.1－100M
B.100M－10G
C.10－1000G
D.100GB－數(shù)TB
問答題
假設(shè)描述學(xué)生的信息包含屬性：性別，籍貫，年齡。有兩條記錄p、q及兩個(gè)簇C1、C2的信息如下，分別求出記錄和簇彼此之間的距離。（k-means算法的拓展）p=｛男，廣州，18｝，q=｛女，深圳，20｝C1=｛男：25，女：5；廣州：20，深圳：6，韶關(guān)：4；19｝C2=｛男：3，女：12；汕頭：12，深圳：1，湛江：2；24｝
答案：取x=1，得到的各距離如下：
d（p，q）=1+1+20-18=4
d（p，C1）=（1-25/30...
多項(xiàng)選擇題
如下哪些不是基于規(guī)則分類器的特點(diǎn)，（）。
A.規(guī)則集的表達(dá)能力遠(yuǎn)不如決策樹好
B.基于規(guī)則的分類器都對(duì)屬性空間進(jìn)行直線劃分，并將類指派到每個(gè)劃分
C.無法被用來產(chǎn)生更易于解釋的描述性模型
D.非常適合處理類分布不平衡的數(shù)據(jù)集
問答題
舉例說明聚類分析的典型應(yīng)用。
答案：①商業(yè)：幫助市場(chǎng)分析人員從客戶基本庫(kù)中發(fā)現(xiàn)不同的客戶群，并且用不同的購(gòu)買模式描述不同客戶群的特征。
②生物學(xué)：...
多項(xiàng)選擇題
Apriori算法的計(jì)算復(fù)雜度受（）影響。
A.支持度閥值
B.項(xiàng)數(shù)（維度）
C.事務(wù)數(shù)
D.事務(wù)平均寬度
問答題
在數(shù)據(jù)挖掘之前為什么要對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理？
答案：原始業(yè)務(wù)數(shù)據(jù)來自多個(gè)數(shù)據(jù)庫(kù)或數(shù)據(jù)倉(cāng)庫(kù)，它們的結(jié)構(gòu)和規(guī)則可能是不同的，這將導(dǎo)致原始數(shù)據(jù)非常的雜亂、不可用，即使在同一個(gè)數(shù)據(jù)...

首頁(yè)

題庫(kù)

網(wǎng)課

在線?？?/h3>

桌面端

數(shù)據(jù)挖掘工程師章節(jié)練習(xí)(2019.12.04)

假設(shè)屬性income的最大最小值分別是12000元和98000元。利用最大最小規(guī)范化的方法將屬性的值映射到0至1的范圍內(nèi)。對(duì)屬性income的73600元將被轉(zhuǎn)化為：（）。

數(shù)據(jù)挖掘?qū)垲惖臄?shù)據(jù)要求是什么？

頻繁項(xiàng)集

簡(jiǎn)述維度歸約和特征變換。

以下哪個(gè)范圍是數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)庫(kù)規(guī)模的一個(gè)合理范圍？（）

如下哪些不是基于規(guī)則分類器的特點(diǎn)，（）。

舉例說明聚類分析的典型應(yīng)用。

Apriori算法的計(jì)算復(fù)雜度受（）影響。

在數(shù)據(jù)挖掘之前為什么要對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理？

數(shù)據(jù)挖掘工程師章節(jié)練習(xí)(2019.12.04)

假設(shè)屬性income的最大最小值分別是12000元和98000元。利用最大最小規(guī)范化的方法將屬性的值映射到0至1的范圍內(nèi)。對(duì)屬性income的73600元將被轉(zhuǎn)化為：（）。

數(shù)據(jù)挖掘?qū)垲惖臄?shù)據(jù)要求是什么？

頻繁項(xiàng)集

簡(jiǎn)述維度歸約和特征變換。

以下哪個(gè)范圍是數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)庫(kù)規(guī)模的一個(gè)合理范圍？（）

如下哪些不是基于規(guī)則分類器的特點(diǎn)，（）。

舉例說明聚類分析的典型應(yīng)用。

Apriori算法的計(jì)算復(fù)雜度受（）影響。

在數(shù)據(jù)挖掘之前為什么要對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理？

假設(shè)屬性income的最大最小值分別是12000元和98000元。利用最大最小規(guī)范化的方法將屬性的值映射到0至1的范圍內(nèi)。對(duì)屬性income的73600元將被轉(zhuǎn)化為：（）。

簡(jiǎn)述維度歸約和特征變換。

以下哪個(gè)范圍是數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)庫(kù)規(guī)模的一個(gè)合理范圍？（）

如下哪些不是基于規(guī)則分類器的特點(diǎn)，（）。

舉例說明聚類分析的典型應(yīng)用。

Apriori算法的計(jì)算復(fù)雜度受（）影響。

在數(shù)據(jù)挖掘之前為什么要對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理？