数据挖掘期末考试计算题及答案

1、数据挖掘期末测试计算题及答案(总页)-CAL-FENGHAL-(YICAI)-CompanyOne1CALTID工程集a,b,dQga,d,f,gb,d,f5e,f,ga,b,cdga,b,e,g1.给定上表所示的一个事物数据库,写出Apriori算法生成频繁工程集的过程假定最小支持度二0.5.2 .使用K-邻近法对两个未知类型的样本进行分类冰川水或者湖泊水,本例我们使用K=3,即选择最近的3个邻居.Distance(G,A)2=0.1;Distance(G,B)2=0.03;Distance(G,C)2=O.11Distance(G,D)2=0.12;Distance(G,E)2=O.16;

2、Distance(G,F)2G的三个最近的邻居为B.F,A,因此G的分类为湖泊水祥本Ca卜浓Mg卜浓Na卜浓度ci-W类型0303030303冰川水湖泊水冰川水冰川水湖泊水湖泊水7Distance(H,A)2=0.03;Distance(H,B)2=O.18;Distance(H,C)2Distance(H.D)2=0.03;Distance(H,E)2=0.21;Distance(H,F)2=O.16H的三个最近的邻居为A,D,F,因此H的分类为冰川水题三Ca十浓HP浓度曲浓度C匚浓度展高高冰川水M低高高冰川水低低低冰川水A低低冰川水低低低低港泊水高低低低湖泊水低高高低湖泊水高低高低湖泊水低

3、高高低?斋低?3 .使用ID3决策树算法对两个未知类型的样本进行分类.首先计算各属性的信息增益GainCa+浓度=0GainMg+浓度=0.185GainNa+浓度=0GainCl-浓度计算各属性的信息增益GainCa+浓度=0GainMg+浓度Gnin Ca+浓度 =024GainNj+浓度产091Cl浓度题四4.使用朴素贝叶斯算法两个未知类型的样本进行分类PCa+浓度二低,Mg+浓度二高,Na+浓度二高,C1-浓度二低I类型二冰川水*P冰川水=PCa+浓度二低I类型二冰川水尸PMg+浓度二高I类型二冰川水尸PNa+浓度二高I类型二冰川水*PC1-浓度二低I类型二冰川水*P冰川水PCa+浓度

4、二低,Mg+浓度二高.Na+浓度二高,C1-浓度二低I类型二湖泊水*P湖泊水=PCa+浓度二低I类型二湖泊水严PMg+浓度二高I类型二湖泊水严PNa+浓度二高I类型二湖泊水*PC1-浓度二低I类型二湖泊水*P湖泊水=0.5*0.25*0.5*1第一个样本为冰川水PCa+浓度二高,Mg+浓度二高,Na+浓度二低,C1-浓度二高I类型二冰川水*P冰川水=PCa+浓度二高I类型二冰川水*PMg+浓度二高I类型二冰川水*PNa+浓度二低I类型二冰川水*PC1-浓度二高I类型二冰川水*P冰川水PCa+浓度二高,Mg+浓度二高,Na+浓度二低,C1-浓度二高I类型二湖泊水*P湖泊水=PCa+浓度二高I类型

5、二湖泊水尸PMg+浓度二高I类型二湖泊水尸PNa+浓度二低I类型二湖泊水*PC1-浓度二高I类型二湖泊水*P湖泊水=0.5*0.25*0.5*0*0.5=0第二个样本为冰川水题五样本ID属性值1属性值2A44B45C33D90E0,5F80?5G1265?使用凝聚法对上表中的样本进行聚类,建立相应的层次树A.B,C,D,EFG之间的距离矩阵如下表ABCDEFGAB1C血筋Dy/50wEV5O5J而F.A2825V*M25V3L25VL25GV68A/65阿AA4625根据距离矩阵建立的树如下题六样本ID属性值1属性值2A44B45C33D90E9,5F8G1265.使用凝聚法对上表中的样本进行聚类,建立相应的层次树第一次迭代以A,B作为平均点,对剩余的点根据到A、B的距离进行分配A,C.D,E,F,G,H,B计算两个簇的平均点(6.5,1.7),(4,5)10第二次迭代,对剩余的点根据到平均点的距离进行分配,得到两个簇D,E,F,H和A,B,C,G计算两个簇的平均点(