数据挖掘概念与技术-课后题答案汇总汇总

1、DataMiningConcepts and第 1 章 1.1 1.2 1.6 聚 征 般 低 75% 特 征条例一据系能发现的关联规则为： “computing science”)“computer”) support=12%,confidence=98%X 生 型 或概念的模型（或功能），而后者是建立一个模型去预测缺失的 测的工具： 似 区分、关联和相关分析、分类、或预测，1.3 1.9 、 1.4 耦 为 始 掘 如聚合、分类、或统计功能的预计算 掘- 部 紧密耦合是最优的，没有值得顾虑的技术 1.5 第 2 章 2.1 2.2 ； ； 我们有：L =20，1N=3197() =950，

2、median=1500，width=30l式（2.3 N /2freq /2 950 L lfreq1 median 2.2 2.4 是：1315，16，1619，2020，21，2222，2525，25，2530，33，33，35，35，35，35，36，40，45，46，52，70。(a) (b) (c) (d) Q Q 13(e) (f) (g) (a) 1 /27 2.1 N x xNii1 x =25=Q 。142(b) 两个： 和 35(c) midrange=(70+13)/2=41.5。(d) Q Q 13 25% Q =20。1 3(N+1)/4=21 处。所以：Q 3(e)

3、 5 13、20、25、35、70。(f) (g) y=x y x 2.3 2.7 2.4 (a) 3(b) (c) (a) 3 3 1 2 3 箱 113箱 422箱 735箱 21619箱 52525箱 836箱 3：箱 6：箱 9：46，52， 3 4箱 1：，44/3， 箱 2：55/3 箱 3：21，21，箱 424箱 735箱 5箱 6101/3箱 8：，121/3 箱 95656 (b) 如 (c) 光 均 线性或多线性回归。分类技术也能被用来对概念分层， 到2.4 (a) (b) z-score (c) (a) new_max。 (b) score 值域是(old _min，+

4、。(c) 值域是1.0,1.0)。2.5 2.4 值 ，1.0 值 35 值35。 值 ，1.0 =13， =70，new_min =0.0 v=35，AAAAv v_ _ _A AAAAA 131.0 0.0 0.0 13 值 35 15 2 16 192 21 2 22 4 A 2 33 4 35 36 29.963 NAAi ， 2Ai12ANA s 2或Ni1NAAAi 167.4986，s2As Av A v Av A v s 0.39或sA 值35。vv j=2。 0.35102j 2.6 个销售价格记录组已经排序如下：51011131535，50，55，72，92，204，215

5、(a) (b) (c) 解(a) (b) 5,10,11,13,15,35,50,55,72(c) 2 3 5,10,11,13,15 2.7 2.4 (a) (b) SRSWOR， 5 解答：(a) 876543210(b) SRSWOR 抽 5 T T T19 T 1101112131415161718T T2 T21 T22 T23 T24 T25 T26 345678T T T927 和 SRSWR T1011T26T20T21T25 6 m TTTTTT16T3T4T5T13T14T15T18T19T20T23T24T25T10TT1025T19 T20 T21 T22 T23 11

6、011121314151617182345T T 624T T725 T26 T27 8T T9T17 T27 T252.8 3.1 3.4 4 area_id , status, university) ， ， 和 instructor(dept, rank)；2 和 avg_grade。 (a) (b) 由 基 本 方 体 student, instructor 开 始 ， 为 列 出 的(c) 5 all 由 基 本 方 体 student, instructor 开 始 ， 为 列 出 这些特殊的联机分析处理（i.ii.course course_id department。沿学生（

7、student_id“上卷”到 university。取 department=“CS”和 university=“ University（coursestudentiii.iv.沿学生（ university student_name。 5 all 5 题 图 题 4.1 4.2 4.3 题 考虑下面的多特征立方体查询：按item ，regio ，有 美 f) (a) R0R1(1.25*min(shelf)and1.5*min(shelf) (b) 用 selectfrom e that R1.shelf (R1.Shelf (c) that 4.4 4.5 5.1 Apriori 5.2

8、 5.2.2 方。 5.3 5 ，解释它为什么比。 I, 和 5. s 和置 c中，X item AB2.x transaction, item ) item ) item )s, 1232(a) 和 节的方法更过 5 5min_sup=3。 5.1(b)5.1(c) M 3 1 3O 3N 2 2K 5E 4M 3 3 2 3O 3C Y 3L K 5 C L 3 C 3 2 21122 3D 1E A 1Y3 3 4U 1 3C 2 2I L 33 L 1计数的递减序排序，得到： (E:4), (Y:3) L FP-题 图 树项 ，YOME， ri FP- ri (b) s cX item

9、 B ”x transaction, “) O) “E) c=1x transaction, “E) “) ) c=1K,O 或 60%,c(confidence)=1 或 或 60%,c(confidence)=1 或 5.4 C+或 Java第 6 章 6.1 6.2 “3135 e和 salary salesjuniorjuniorjuniorjuniorjuniorjunior53146Ksales263126K31Ksales21secretarysecretary312634136343141K462646i) count？j) department 和 salary “syste

10、ms263046K50K status l) 使用上面得到的多层前馈神经网络，给定训练实例（ ，3(a) 的count？(b) (c) 给 ， 和 salary 的 “systems263046K50K status ； 30,salary=46K50K)； r)=234923/113 ； ； 30,salary=46K50K)； P(junior)=113/165=0.68； P(senior)=52/165=0.32； P(X|junior)P(junior)=0.017960.68=0.01221280=0=P(X|senior)P(senior)； X 。 X=(department=system,age=2630,salary=46K50K) 。当 status=senior 30+5+3+10+4=52 ；当 status=junior 时 ， 元 组 总 数 为 ： ，P(junior)=113/165=0.68； status=senior age=2630 区间，所以：P(X|seni