(完整word版)数据挖掘计算题参

1. 假设数据挖掘的任务是将如下的8个点（用（x,y）代表位置）聚类为3个类：X1(2,10)、X2(2,5)、X3(8,4)、X4(5,8)、X5(7,5)、X6(6,4)、X7(1,2)、X8(4,9)，距离选择欧几里德距离。假设初始选择X1(2,10)、X4(5,8)、X7(1,2)为每个聚类的中心，请用 K_means算法来计算：

（1）在第一次循环执行后的3个聚类中心；

答：第一次迭代：中心点1：X1(2，10)，2：X4(5，8)，X7(1，2)

1：X1(2，10)  

2：X3，X4，X5，X6，X8   （6，6）

3：X2，X7  （1.5，3.5）

（2）经过两次循环后，最后的3个族分别是什么？

第二次迭代：

      2：X3，X4，X5，X6  （6.5，5.25）

      3：X2，X7  （1.5，3.5）

2. 数据库有4个事务。设min_sup=60%,min_conf=80%。

答：

(a)Apriori算法：  

{K}  1      {A}  4     {A,B}  4    {A,B,D}  3 

{A}  4       {B}  4      {A,D}  3 

{B}  4       {D}  3      {B,D}  3

{D}  3 

{C}  2 

{E}  2    

频繁项集为3项集{A,B,D}:3 

  b.列出所有的强关联规则，使它们与下面的元规则匹配，其中，X是代表顾客的变量，是表示项的变量（例如，“A”、“B”等）：

        [s,c]

答：所有频繁子项集有{A},{B},{D},{A,B},{A,D},{B,D} 

A^B=>D  conf=3/4=75%       ×

A^D=>B  conf=3/3=100%      √ 

B^D=>A  conf=3/3=100%        √ 

因此，满足条件的强关联规则有：

A^D=>B{supp=75%,conf=100%}

B^D=>A{supp=75%,conf=100%}

1.给定如下的数据库表：

答：

C1 ：Enjoysport=yes=3

C2 ：Enjoysport=no=1

I(yes,no)=-3/4log2 3/4-1/4log2 1/4=0.811

Gain(sky)=0.811

习题:

1.以汽车保险为例:假定训练数据库具有两个属性:年龄和汽车类型。

年龄————序数属性

汽车类型——分类属性

类————L：低（风险）  ，H：高（风险）

2.下面是一个超市某商品连续24个月的销售数据（单位：百万元）：21，16，21, 19, 24, 27, 23, 22, 21, 20, 17, 16, 20, 23, 22, 18, 24, 26, 25, 20, 26, 23, 21, 15, 17。

请使用等深、等宽和自定义区间的方法对数据进行分箱，做出利用各种分箱方法得到的直方图。

3.数据库有4 个事务。设min_sup = 60%，min_conf = 80%。使用Apriori 算法找出所有的频繁项集，并针对每个频繁项集构造强关联规则，列出每个规则的支持度和置信度。

答：

(b)Apriori算法：  

{K}  1      {A}  4     {A,B}  4    {A,B,D}  3 

{A}  4       {B}  4      {A,D}  3 

{B}  4       {D}  3      {B,D}  3

{D}  3 

{C}  2 

{E}  2    

频繁项集为3项集{A,B,D}:3 

所有频繁子项集有{A},{B},{D},{A,B},{A,D},{B,D} 

A^B=>D  conf=3/4=75%       ×

A^D=>B  conf=3/3=100%      √ 

B^D=>A  conf=3/3=100%        √ 

因此，满足条件的强关联规则有：

A^D=>B{supp=75%,conf=100%}

B^D=>A{supp=75%,conf=100%}