本文共 4859 字,大约阅读时间需要 16 分钟。
1、下面不属于数据挖掘迭代序列的是( )
A、数据清理 B、数据集成 C、数据删除 D、数据变换C
解析: 数据清理、数据集成、数据变换、数据归约2、属性(attribute)是一个数据字段,表示数据对象的一个特征。下面不属于典型的属性分类的是( )
A、标称属性(nominal) B、二元属性(binary) C、序数属性(ordinal) D、单值属性(Single-Valued) D 解析:标称,二元,序数,数值,离散和连续5、标称数据的概念分层生成方法不包括( )
A、由用户在模式级显式地说明属性的部分序。 B、由专家在模式级显式地说明属性的部分序。 C、转换为二进制后自动分层。 D、通过显式数据分组说明分层结构的一部分。C
解析: 由用户或专家在模式级显式地说明属性的部分序。 通过显式数据分组说明分层结构的一部分。 说明属性集,但不说明它们的偏序,然后系统根据算法自动产生属性的序,构造有意义的概念分层。 对只说明部分属性集的情况,则可根据数据库模式中的数据语义定义对属性的捆绑信息,来恢复相关的属性。16、数据清理和预处理,一般占数据挖掘全部工作量的 10%以内。( F)
17、二元属性(binary attribute)是一种标称属性,只有两个状态:0 或 1。( T)
18、规范化是将数据按比例缩放,使之落入一个小的特定区间,这个区间必须是[-1.0 , 1.0]。(F )
19、标称、二元和序数属性都是定性的,即只描述对象的特征,不给出实际的大小。(T )
20、高质量的决策必然依赖于高质量的数据,但数据预处理并不属于知
识发现过程的重要步骤。(F )21、WEKA 的全名是怀卡托智能分析环境,由美国的加州大学伯克利分
校研制,WEKA 也是美国加州的一种鸟的名字。(F )22、WEKA 中有 Preprocess、Classify、Cluster 等选项卡,要进行数据的
分类是选择 Cluster 选项卡。(F )23、在挖掘频繁模式时,项集的支持度也称为相对支持度,而出现的频率称作绝对支持度。( T)
24、使用 IF-THEN 规则分类,如果多个规则被触发,则需要一种解决冲突的策略来决定激活哪一个规则。(T )
25、正常点的数量远远超过离群点的数量,离群点的数量在大规模数据集中所占的比例较低,小于 5%甚至 1%。(T )
pta上的:
基于距离的离群点检测方法不能万能的。(T)
情景离群点是局部离群点的推广。(T)
p353高维数据的离群点检测,目前还没有科学有效的方法来进行。(T)
现实世界的数据库,极易受到噪声、缺失值和不一致数据的侵扰。(T )
Z分数规范化,就是小数定标规范化。( F)
K均值算法是一种基于代表对象的技术,K中心点算法是一种基于形心的技术。(F)
K-均值算法:一种基于形心的技术,K-中心点:一种基于代表对象的技术教材P241:从给定训练元组中有放回的均匀抽样,有多种自助方法, 最常用的一种是.618自助法,因为0.618代表黄金分割。(F)
教材P293:聚类方法有很多种,实际使用中只会选择其中的一种,聚类分析不会采用多种方法整合。(F)
教材P293:K均值算法适应性广,即使簇均值没有定义的情况,也可使用。(F)
1、(1)数据预处理的主要任务是?书上p56
答: 数据清理:补充缺失数据、平滑噪声数据、识别或删除离群点,解决不一致数据集成:集成多个数据库、数据立方或文件
数据变换:规范化、数据离散化、概念分层产生
数据归约:简化数据、但产生同样或相似的结果
(2)数据清理,对缺失值的处理方法是?书上p58
答: 忽略元组人工填写空缺值
使用一个全局常量填充空缺失值
使用属性的中心度量(如均值或中位数)填充缺失值
使用与给定元组属同一类的所有样本的属性均值或中位数
使用最可能的值填充空缺值
2、什么是监督学习?与无监督学习的区别是?什么是训练集与检验集?书上p213
答: 在机器学习领域,分类称做监督学习,因为给定了类标号信息,即学习算法是监督的,因为它被告知每个训练元组的类隶属关系。聚类被称做无监督学习,因为没有提供类标号信息。
训练集由数据元组和与它们相关的类标号组成,检验集由检验元组和与它们相关联的类标号组成。
3、请描述 K 均值(K-Means)算法的核心思想。书上p293
答: 随机选择k个对象,每个对象代表一个簇的初始均值或中心对剩余的每个对象,根据它与簇均值的距离,将他指派到最相似的簇
计算每个簇的新均值
回到步骤2,循环,直到准则函数收敛
4.4、什么是离群点,离群点有哪些类型。书上p352
答: 离群点是一个数据对象,它显著不同于其他的数据对象,好像它是被不同的机制产生的一样。类型:
全局离群点:显著的偏离数据集中其余部分的点情景离群点(条件离群点:关于特定情境下,它显著的偏离其他对象,情景离群点是局部离群点的推广
集体离群点:一个数据对象子集作为整体显著的偏离整个数据集,这个子集形成集体离群点。
一、属性有哪些?特点?书上p27
属性是一个数据字段,表示数据对象的一个特征。包括:
定性的:描述特征,不给出实际大小和数量:标称属性
其值是一些符号或者事物的名称,每个值代表某种编码或状态。是分类的,不必具有有意义的序。二元属性(binary attribute)
是一种标称属性,只有两个状态:0或1。 对称的(symmetric): 两种状态具有同等价值,携带相同权重。如:性别 非对称的(asymmetric): 其状态的结果不是同样重要。如:艾滋病毒的阳性和阴性结果。对重要的结果用1编码,另一个用0编码。序数属性(ordinal attribute)
其可能的值之间具有有意义的序或者秩评定(ranking),但是相继值之间的差是未知的。定量的:可度量的量
其他类型
二、什么叫数据立方体?什么叫冰山立方体?书上p122
答:数据立方体是一种多维数据模型,允许以多维对数据建模和观察。数据立方体由方体的格组成,每个方体代表一个group-by,对应给定多维数据的一个不同级别的汇总。
冰山立方体:对于稀疏的数据立方体,我们往往通过指定一个最小支持度阈值(也称冰山条件),来进行部分物化。
这种部分物化的方体称之为冰山方体,其只存放其聚集值大于某个最小支持度阈值的立方体单元。三、简要介绍聚类方法,每种给出一个例子 书上p320
划分方法:层次方法:
基于密度的方法:
基于网格的方法
四、离群点检测的挑战 书上p354
答:书上p320
书上p161 例题
书上p218
物联网相关
以你对物联网信息系统的了解,回答下面两个问题:
(1) 在搭建物联网信息系统时,面临的挑战。(7.5 分)答:
一、安全 二、平台 三、互操作性和标准化 四、数据存储与分析 五、物联网传感器(2) 物联网信息系统设计的一般原则。(7.5 分)
多样性原则。物联网体系结构须根据物联网的服务类型、节点的不同,分别设计多种类型的体系结构,不能也没有必要建立起统一的标准体系结构。
时空性原则。物联网尚在发展之中,其体系结构应能满足物联网在时间、空间和能源方面的需求。
互联性原则。物联网体系结构需要能与互联网实现互联互通;如果试图另行设计一套互联通信协议及其描述语言将是不现实的。
扩展性原则。对于物联网体系结构的架构,应该具有一定的扩展性设计,以便最大限度地利用现有网络通信基础设施,保护已投资利益。
安全性原则。物物互联之后,物联网的安全性将比计算机互联网的安全性更为重要,因此物联网的体系结构应能够防御大范围内的网络攻击。
健壮性原则。物联网体系结构应具备相当好的健壮性和可靠性。
物联网相关知识:
物联网:感知、传输与处理
全面感知
可靠传输 智能处理 智能信息处理指信息的储存、检索、智能化分析利用,比如利用人工智能对感知的信息作出决策和处理。物联网的智能信息处理主要针对感知的数据,而物联网的数据具有三个独特的特点: 1、异构性 在物联网中,不仅不同的感知对象有不同类型的表征数据,即使是同一个感知对象也会有各种不同格式的表征数据。比如在物联网中为了实现对一栋写字楼的智能感知,需要处理各种不同类型的数据,如文本、图形、音频、视频,互联网上提供的相关超文本链接标记语言(HTML)等。 为了实现完整准确的感知,必须综合利用不同类型的数据获得全面准确信息。2、海量性
物联网是网络和数据的海洋。在物联网中海量对象连接在一起,每个对象每时每刻都在变化,表达其特征的数据也会不断地积累。如何有效地改进已有的技术和方法,或者提出新的技术和方法,从而高效地管理和处理这些海量数据,将是从这些原始数据中提取信息并进一步融合、推理和决策的关键。3、不确定性
物联网中的数据具有明显的不确定性特征,主要包括数据本身的不确定性、语义匹配的不确定性和查询分析的不确定性等。为了获得客观对象的准确信息,需要去粗取精、去伪存真,以便更全面地进行表达和推理。转载地址:http://wwhws.baihongyu.com/