数据挖掘概念与技术原书第3版第一章课后习题

1、什么是数据挖掘在你的回答中，强调以下问题：(a)它是又一种广告宣传吗(b)它是一种从数据库、统计学、机器学习和模式识别发展而来的技术的简单转换或应用 吗(c)我们提出了一种观点，说数据挖掘是数据库技术进化的结果。你认为数据挖掘也是机 器学习研究进化的结果吗你能基于该学科的发展历史提出这一观点吗针对统计学和模式识 别领域，做相同的事。(d)当把数据挖掘看做知识发现过程时，描述数据挖掘所涉及的步骤。答：简单地说，数据挖掘其实就是从大量的数据中发现有用的信息，它是从大量数据 的结果，而不是一种广告宣传。 换或应用，它涉及到了很多领域的技术，比如统计学、机器学习、模式识别、数据库和数据 仓库、信息检索

2、、可视化、神经网络、高性能计算、算法以及许多应用领域的大量技术。数据挖掘起始于 20 世纪下半叶，是在当时多个学科发展的基础上发展起来的。随着数 巨大进展，进入了机器学习的阶段，人们就将两者结合起来，用数据库管理系统存储数据， 研究进化的结果，而是结合了机器学。数据挖掘的步骤包括：(1)数据收集；(2)数据清洗、脱敏；(3)数据存储；(4) 数据分析；(5)数据可视化。数据仓库与数据库有何不同他们有哪相似之处 个数据存储，出于分析性报告和决策支持目的而创建。不同处：(1)数据库是面向事务的设计，数据仓库是面向主题设计的。(2)数据库一般存储在线交易数据，数据仓库存储的一般是历史数据。(3)数据

3、库设计是尽量避免冗余，数据仓库在设计是有意引入冗余。(4)数据库是为捕获数据而设计，数据仓库是为分析数据而设计。相似处：两者都是数据的集合。定义下列数据挖掘功能：特征化、区分、关联和相关性分析、分类、回归、聚类、离群点分 析。使用你熟悉的现实生活中的数据库，给出每种数据挖掘功能的例子 结果可能会高分段成绩信息，是否挂科等信息。区分：将目标类数据对象的一般特性与一个或多个对比类对象的一般特性进行比较。 顾客 60%要么年龄太小要么年龄太大，没有受过大学教育。 识。例如：超市将啤酒和尿不湿放到一起。 标号。例如：学生的成绩分为高等、中等、低等。 与用户满意度之间的因果关系。相似的 症状结合起来可能

4、预示一种特定的疾病。离群点分析：数据集中可能包含一些数据对象，它们与数据的一般行为或模型不一致， 个消费数额极大的账号进行离群点分析，可能发现信用卡诈骗。 分析得到吗答：如淘宝网，需要根据消费者的性别、年龄、职业、收入水平、兴趣爱好等进行关 览的信息都非常多，如果仅仅通过简单的查询处理或统计分析，是不能够完成这项工作的。解释区分和分类、特征化和类聚、分类和回归的区别与相似处。(1)区分和分类的区别与相似处区别：区分是将目标类数据对象的一般特性与一个或多个对比类对象的一般特性进行比 相似处：都是都数据分析的方法(2)特征化和类聚的区别与相似处 在一起，而不是将其汇总在一起。相似处：处理的数据都要

5、是有相似之处的。(3)分类和回归的区别与相似处 测类别是离散的、无序的标号，而回归是建立连续值函数模型。相似处：都是对数据进行预测。 它需要一种不同于本章列举的数据挖掘技术吗答：建立一个周期性的知识类型，在不同的时间段，数据都会进行更新，修改，变化 等，这个就需要一种新的数据挖掘技术。 离群点的方法，并讨论哪种方法更可靠。(1)基于近邻性的检验方法，包括基于距离和基于密度的方法，如果一个人的信用卡 消费情况与他近邻的消费情况差异太大，这说明他是离群点。(2)基于类聚的方法，基于 人就是信用卡诈骗。描述三个关于数据挖掘方法和用户交互问题的数据挖掘挑战。(1)数据挖掘的过程是高度交互的，用户访问网

6、页非常灵活，这就需要构建灵活的用 户界面和探索式挖掘环境。(2)结合背景知识：应该把背景知识、约束、规则和关于所研究领域的其他信息结合 (3)数据挖掘结果的表示和可视化：数据挖掘系统如何生动、灵活地提供数据挖掘结 果，使所发现的知识容易理解，也是数据挖掘的一大挑战与挖据少量数据(例如，几百个元祖的数据集合)相比，挖掘海量数据(例如，数十亿个元 祖)的主要挑战是什么(1)可伸缩性；在处理大量的数据时，必定要求算法等技术的可伸缩性。(2)高维性；随着数据的不断膨胀，数据的属性也在不断地增加，具有时间和空间分 量的数据集也趋向于高维度，这也需要数据分析的方法更加地复杂。(3)异种数据和复杂数据；随州信息技术的不断进步，人们接触的数据也越来越多样 (4)数据的安全性也是挖掘海量数据的一大挑战。概述在诸如流