数据仓库与数据挖掘习题课1.ppt

* * * * * * * * * * * 数据仓库与数 据 挖 掘 主讲教师：王浩畅 E-mail: wanghch_angel@ School of Computer Information Technology of NEPU 习题课1 习题2.9 假设医院检测随机选择的18个成年人年龄和身体脂肪数据,得到如下结果 (a)计算年龄和脂肪百分比的均值、中位数和标准差 (b)绘制年龄和脂肪百分比的盒图 (c)根据这两个属性，绘制散布图和q-q图 (d)根据Z-score规范化来规范化这两个属性 (e)计算相关系数。这两个变量是正相关还是负相关？ 解答2.9 (a)计算年龄和脂肪百分比的均值、中位数和标准差 age的均值= age的中位数= age的标准差= = 12.85 %fat的均值= 28.78 将%fat 排序 %fat 的中位数= %fat的标准差= 8.99 解答2.9(续) (b)绘制年龄和脂肪百分比的盒图 离群点：当值超过四分位数不到1.5IQR 解答2.9 (续) (c)根据这两个属性，绘制散布图和q-q图 解答2.9 (续) (d)根据Z-score规范化来规范化这两个属性 (e)计算相关系数。这两个变量是正相关还是负相关？ The correlation coefficient is 0.82. The variables are positively correlated. 习题2.12 假定用于分析的数据包含属性age.数据元组age值(以递增序)是：13, 15, 16, 16, 19, 20, 20, 21, 22, 22, 25, 25, 25, 25, 30, 33, 33, 35, 35, 35, 35, 36, 40, 45, 46, 52, 70. (a) 使用min-max规范化将age值35变换到[0.0，1.0]区间。 (b) 使用z-score规范化变换age值35，其中age的标准差为12.94岁。 (c) 使用小数定标规范化变换age值35。 (d) 对于给定的数据，你愿意使用哪种方法？陈述你的理由。 解答2.12 (a) 使用min-max规范化将age值35变换到[0.0，1.0]区间。 ∵ minA=13，maxA=70，new_minA=0.0，new_maxA=1.0，而v=35， (b) 使用z-score规范化变换age值35，其中age的标准差为12.94岁。 解答2.12(续) (c) 使用小数定标规范化变换age值35。 由于最大的绝对值为70，所以j=2。 (d) 对于给定的数据，你愿意使用哪种方法？陈述你的理由。 答：更倾向于选择小数定标规范化。因为小数定标规范化会保持数据的分布，这种变换更直观并容易解释 习题2.14 2.14 假设12个销售价格记录组已经排序如下：5，10，11，13，15，35，50，55，72，92，204，215。使用如下每种方法将其划分成三个箱。 (a) 等频（等深）划分。 (b) 等宽划分。 (c) 聚类。 解答2.14 (a) 等频（等深）划分。 (b) 等宽划分。 每个区间的宽度是：(215-5)/3=70 (c) 聚类。 我们可以使用一种简单的聚类技术：用2个最大的间隙将数据分成3个箱。 bin1 5,10,11,13 bin1 15,35,50,55 bin1 72,91,204,215 bin1 5,10,11,13,15,35,50,55,72 bin1 91 bin1 204,215 bin1 5,10,11,13,15 bin1 35,50,55,72,91 bin1 204,215 习题3.4 3.4假定BigUniversity的数据仓库包含如下4个维：student(student_name, area_id, major, status, university)，course(course_name, department)，semester(semester, year)和instructor(dept, rank)；2个度量：count和avg_grade。在最低概念层，度量avg_grade存放学生的实际课程成绩。在较高概念层，avg_grade存放给定组合的平均成绩。 (a)为该数据仓库画出雪花形模式图。 (b)由基本方体[student, course, semester, instructor]开始，为列出BigUniversity每个学生的CS课程的平均成绩，应当使用哪些特殊的OLAP操作。 (c)如果每维有5层（包括all），如“studentmajorstatu