数据仓库及数据挖掘习题.doc

数据仓库与数据挖掘 习题 1.1什么是数据挖掘？在你的回答中，强调以下问题：?(a) 它是又一个骗局吗？?(b) 它是一种从数据库，统计学和机器学习发展的技术的简单转换吗？?(c) 解释数据库技术发展如何导致数据挖掘?(d) 当把数据挖掘看作知识发现过程时，描述数据挖掘所涉及的步骤。 1.2 给出一个例子，其中数据挖掘对于一种商务的成功至关重要的。这种商务需要什么数据挖掘功能？他们能够由数据查询处理或简单的统计分析来实现吗？ 1.3?? 假定你是Big-University的软件工程师，任务是设计一个数据挖掘系统，分析学校课程数据库。该数据库包括如下信息：每个学生的姓名，地址和状态（例如，本科生或研究生），所修课程，以及他们累积的GPA（学分平均）。描述你要选取的结构。该结构的每个成分的作用是什么？ 1.4?? 数据仓库和数据库有何不同？它们有那些相似之处？ 1．5简述以下高级数据库系统和应用：面向对象数据库，空间数据库，文本数据库，多媒体数据库和WWW。 1．6 定义以下数据挖掘功能：特征化，区分，关联，分类，预测，聚类和演变分析。使用你熟悉的现实生活中的数据库，给出每种数据挖掘的例子。 1．7 区分和分类的差别是什么？特征化和聚类的差别是什么？分类和预测呢？对于每一对任务，它们有何相似之处？ 1．8 根据你的观察，描述一种可能的知识类型，它需要由数据挖掘方法发现，但未在本章中列出。它需要一种不同于本章列举的数据挖掘技术吗？ 1. 9 描述关于数据挖掘方法和用户交互问题的三个数据挖掘的挑战。 1. 10 描述关于性能问题的两个数据挖掘的挑战。 ? 2.1 试述对于多个异种信息源的集成，为什么许多公司宁愿使用更新驱动的方法（构造使用数据仓库），而不愿使用查询驱动的方法（使用包装程序和集成程序）。描述一些情况，其中查询驱动方法比更新驱动方法更受欢迎。 2.2 简略比较以下概念，可以用例子解释你的观点（a） 雪花模式、事实星座、星型网查询模型（b） 数据清理、数据变换、刷新（c） 发现驱动数据立方体、多特征方、虚拟仓库 2.3 假定数据仓库包含三个维time，doctor和patient，两个度量count 和charge，其中charge是医生对一位病人的一次诊治的收费。（a） 列举三种流行的数据仓库建模模式。（b） 使用（a）列举的模式之一，画出上面数据仓库的模式图。（c） 由基本方体[day，doctor，patient]开始，为列出2000年每位医生的收费总数，应当执行哪些 OLAP操作？（d） 为得到同样的结果，写一个SQL查询。假定数据存放在关系数据库中，其模式如下：fee（day，month，year， doctor，hospital，patient，count，charge） 2.4 假定Big_University的数据仓库包含如下4个维student, course, semester和instructor，2个度量count和avg_grade。在最低的概念层（例如对于给定的学生、课程、学期和教师的组合），度量avg_grade存放学生的实际成绩。在较高的概念层，avg_grade存放给定组合的平均成绩。（a） 为数据仓库画出雪花模式图；（b） 由基本方体 [student, course, semester, instructor]开始，为列出Big_University每个学生的CS课程的平均成绩，应当使用哪些OLAP操作（如由 semester上卷到year）；（c） 如果每维有5层（包括all），如studentMAJORSTATUSUNIVERSITY 2.5 假定数据仓库包含4个维date，spectator，location和game，2个度量count和charge。其中charge是观众在给定的日期观看节目的付费。观众可以是学生、成年人或老人，每类观众有不同的收费标准。（a ） 画出该数据仓库的星型模式图；（b） 由基本方体[date，spectator，location，game]开始，为列出2000年学生观众在GM-Place的总付费，应当执行哪些OLAP操作？（c） 对于数据仓库，位图索引是有用的。以该数据立方体为例，简略讨论使用位图索引结构的优点和问题。 2.6 为地区气象局设计一个数据仓库。气象局大约有1000观察点，散步在该地区的陆地、海洋，收集基本气象数据，包括每小时的气压、温度、降雨量。所有的数据都送到中心站，那里已收集了这种数据长达十年。你的设计应当有利于有效的查询和联机分析处理，有利于有效地导出多维空间的一般天气模式。 2.7 关于数据立方体中的度量计算：（a） 根据计算数据立方体所用的聚集函数，列出度量的三种分类；（b）