《信息系统数据处理与分析 上课6.3》由会员分享，可在线阅读，更多相关《信息系统数据处理与分析 上课6.3（7页珍藏版）》请在金锄头文库上搜索。
1、一、一、 名词解释名词解释1.数据仓库：是一种新的数据处理体系结构，是面向主题的、集成的、不可更新的(稳定性)、随时间不断变化(不同时间)的数据集合，为企业决策支持系统提供所需的集成信息。2.孤立点：指数据库中包含的一些与数据的一般行为或模型不一致的异常数据。3.OLAP：OLAP 是在 OLTP 的基础上发展起来的，以数据仓库为基础的数据分析处理，是共享多维信息的快速分析，是被专门设计用于支持复杂的分析操作，侧重对分析人员和高层管理人员的决策支持。4.粒度：指数据仓库的数据单位中保存数据细化或综合程度的级别。粒度影响存放在数据仓库中的数据量的大小，同时影响数据仓库所能回答查询问题的细节程度。
2、5.数据规范化：指将数据按比例缩放(如更换大单位)，使之落入一个特定的区域（如 01）以提高数据挖掘效率的方法。规范化的常用方法有：最大最小规范化、零均值规范化、小数定标规范化。6.关联知识：是反映一个事件和其他事件之间依赖或相互关联的知识。如果两项或多项属性之间存在关联，那么其中一项的属性值就可以依据其他属性值进行预测。7.数据挖掘：从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。8.OLTP：OLTP 为联机事务处理的缩写，OLAP 是联机分析处理的缩写。前者是以数据库为基础的，面对的是操作人员和低层管理人员，对基本
3、数据进行查询和增、删、改等处理。9.ROLAP：是基于关系数据库存储方式的，在这种结构中，多维数据被映像成二维关系表，通常采用星型或雪花型架构，由一个事实表和多个维度表构成。10. MOLAP：是基于类似于“超立方”块的 OLAP 存储结构，由许多经压缩的、类似于多维数组的对象构成，并带有高度压缩的索引及指针结构，通过直接偏移计算进行存取。11. 数据归约：缩小数据的取值范围，使其更适合于数据挖掘算法的需要，并且能够得到和原始数据相同的分析结果。12. 广义知识：通过对大量数据的归纳、概括和抽象，提炼出带有普遍性的、概括性的描述统计的知识。13. 预测型知识：是根据时间序列型数据，由历史的和当
4、前的数据去推测未来的数据，也可以认为是以时间为关键属性的关联知识。14. 聚类：是将物理或抽象对象的集合分组成为多个类或簇(cluster)的过程，使得在同一个簇中的对象之间具有较高的相似度，而不同簇中的对象差别较大。15. 决策树：是用样本的属性作为结点，用属性的取值作为分支的树结构。它是分类规则挖掘的典型方法，可用于对新样本进行分类。16. 频繁项集：指满足最小支持度的项集，是挖掘关联规则的基本条件之一。17. 支持度：规则 AB 的支持度指的是所有事件中 A 与 B 同地发生的的概率，即P(AB)，是 AB 同时发生的次数与事件总次数之比。支持度是对关联规则重要性的衡量。18. 可信度：
5、规则 AB 的可信度指的是包含 A 项集的同时也包含 B 项集的条件概率 P(B|A)，是 AB 同时发生的次数与 A 发生的所有次数之比。可信度是对关联规则的准确度的衡量。19. 关联规则：同时满足最小支持度阈值和最小可信度阈值的规则称之为关联规则。二、二、 问答题问答题1. 何谓数据仓库？为什么要建立数据仓库？数据仓库是一种新的数据处理体系结构，是面向主题的、集成的、不可更新的(稳定性)、随时间不断变化(不同时间)的数据集合，为企业决策支持系统提供所需的集成信息。建立数据仓库的目的有 3 个：一是为了解决企业决策分析中的系统响应问题，数据仓库能提供比传统事务数据库更快的大规模决策分析的响应
6、速度。二是解决决策分析对数据的特殊需求问题。决策分析需要全面的、正确的集成数据，这是传统事务数据库不能直接提供的。三是解决决策分析对数据的特殊操作要求。决策分析是面向专业用户而非一般业务员，需要使用专业的分析工具，对分析结果还要以商业智能的方式进行表现，这是事务数据库不能提供的。2. 列举操作型数据与分析型数据的主要区别。操作型数据分析型数据当前的、细节的历史的、综合的面向应用、事务驱动面向分析、分析驱动频繁增、删、改几乎不更新，定期追加操作需求事先知道分析需求事先不知道生命周期符合 SDLC完全不同的生命周期对性能要求高对性能要求宽松一次操作数据量小一次操作数据量大支持日常事务操作支持管理决
7、策需求3.何谓 OLTP 和 OLAP？它们的主要异同有哪些？OLTP 即联机事务处理，是以传统数据库为基础、面向操作人员和低层管理人员、对基本数据进行查询和增、删、改等的日常事务处理。OLAP 即联机分析处理，是在 OLTP 基础上发展起来的、以数据仓库基础上的、面向高层管理人员和专业分析人员、为企业决策支持服务。OLTP 和 OLAP 的主要区别如下表：OLTPOLAP数据库数据数据库或数据仓库数据细节性数据综合性数据当前数据历史数据经常更新不更新，但周期性刷新一次性处理的数据量小一次处理的数据量大对响应时间要求高响应时间合理用户数量大用户数据相对较少面向操作人员，支持日常操作 面向决策人
8、员，支持管理需要面向应用，事务驱动面向分析，分析驱动4. 何谓粒度？它对数据仓库有什么影响？按粒度组织数据的方式有哪些？粒度是指数据仓库的数据单位中保存数据细化或综合程度的级别。粒度影响存放在数据仓库中的数据量的大小，同时影响数据仓库所能回答查询问题的细节程度。按粒度组织数据的方式主要有： 简单堆积结构 轮转综合结构 简单直接结构 连续结构5. 在数据挖掘之前为什么要对原始数据进行预处理？原始业务数据来自多个数据库或数据仓库，它们的结构和规则可能是不同的，这将导致原始数据非常的杂乱、不可用，即使在同一个数据库中，也可能存在重复的和不完整的数据信息，为了使这些数据能够符合数据挖掘的要求，提高效率
9、和得到清晰的结果，必须进行数据的预处理。为数据挖掘算法提供完整、干净、准确、有针对性的数据，减少算法的计算量，提高挖掘效率和准确程度。6. 简述数据预处理方法和内容。 数据清洗：包括填充空缺值，识别孤立点，去掉噪声和无关数据。 数据集成：将多个数据源中的数据结合起来存放在一个一致的数据存储中。需要注意不同数据源的数据匹配问题、数值冲突问题和冗余问题等。 数据变换：将原始数据转换成为适合数据挖掘的形式。包括对数据的汇总、聚集、概化、规范化，还可能需要进行属性的重构。 数据归约：缩小数据的取值范围，使其更适合于数据挖掘算法的需要，并且能够得到和原始数据相同的分析结果。7.简述数据清理的基本内容。
10、尽可能赋予属性名和属性值明确的含义； 统一多数据源的属性值编码； 去除无用的惟一属性或键值(如自动增长的 id)； 去除重复属性(在某些分析中，年龄和出生日期可能就是重复的属性，但在某些时候它们可能又是同时需要的) 去除可忽略字段(大部分为空值的属性一般是没有什么价值的，如果不去除可能造成错误的数据挖掘结果) 合理选择关联字段(对于多个关联性较强的属性，重复无益，只需选择其中的部分用于数据挖掘即可，如价格、数据、金额) 去掉数据中的噪音、填充空值、丢失值和处理不一致数据。8.简述处理空缺值的方法。 忽略该记录； 去掉属性； 手工填写空缺值； 使用默认值； 使用属性平均值； 使用同类样本平均值；
11、 预测最可能的值。9.常见的分箱方法有哪些？数据平滑处理的方法有哪些？分箱的方法主要有： 统一权重法(又称等深分箱法) 统一区间法(又称等宽分箱法) 最小熵法 自定义区间法数据平滑的方法主要有：平均值法、边界值法和中值法。10. 何谓数据规范化？规范化的方法有哪些？写出对应的变换公式，并规范化数字66。将数据按比例缩放(如更换大单位)，使之落入一个特定的区域（如0.01.0），称为规范化。规范化的常用方法有：(1) 最大最小规范化：(2) 零均值规范化：(3) 小数定标规范化：xx0/1011. 数据归约的方法有哪些？为什么要进行维归约？()()00 00maxminxxminminmaxmi
12、n 0XXxx 数据立方体聚集 维归约 数据压缩 数值压缩 离散化和概念分层维归约可以去掉不重要的属性，减少数据立方体的维数，从而减少数据挖掘处理的数据量，提高挖掘效率。12. 何谓聚类？它与分类有什么异同？聚类是将物理或抽象对象的集合分组成为多个类或簇(cluster)的过程，使得在同一个簇中的对象之间具有较高的相似度，而不同簇中的对象差别较大。聚类与分类不同，聚类要划分的类是未知的，分类则可按已知规则进行；聚类是一种无指导学习，它不依赖预先定义的类和带类标号的训练实例，属于观察式学习，分类则属于有指导的学习，是示例式学习。13. 举例说明聚类分析的典型应用。商业：帮助市场分析人员从客户基本
13、库中发现不同的客户群，并且用不同的购买模式描述不同客户群的特征。生物学：推导植物或动物的分类，对基于进行分类，获得对种群中固有结构的认识。WEB文档分类其他：如地球观测数据库中相似地区的确定；各类保险投保人的分组；一个城市中不同类型、价值、地理位置房子的分组等。聚类分析还可作为其他数据挖掘算法的预处理：即先进行聚类，然后再进行分类等其他的数据挖掘。聚类分析是一种数据简化技术，它把基于相似数据特征的变量或个案组合在一起。14. 聚类分析中常见的数据类型有哪些？何谓相异度矩阵？它有什么特点？常见数据类型有区间标度变量、比例标度型变量、二元变量、标称型、序数型以及混合类型等。相异度矩阵是用于存储所有
14、对象两两之间相异度的矩阵，为一个 nn 维的单模矩阵。其特点是 d(i,j)=d(j,i)，d(i,i)=0，d(j,j)=0。如下所示：15. 分类知识的发现方法主要有哪些？分类过程通常包括哪两个步骤？0d(2,1)0d(3,1)d(3,2)0d(n,1)d(n,2).0 M MM MM M O O分类规则的挖掘方法通常有：决策树法、贝叶斯法、人工神经网络法、粗糙集法和遗传算法。分类的过程包括 2 步：首先在已知训练数据集上，根据属性特征，为每一种类别找到一个合理的描述或模型，即分类规则；然后根据规则对新数据进行分类。16. 什么是决策树？如何用决策树进行分类？决策树是用样本的属性作为结点，
15、用属性的取值作为分支的树结构。它是利用信息论原理对大量样本的属性进行分析和归纳而产生的。决策树的根结点是所有样本中信息量最大的属性。树的中间结点是以该结点为根的子树所包含的样本子集中信息量最大的属性。决策树的叶结点是样本的类别值。决策树用于对新样本的分类，即通过决策树对新样本属性值的测试，从树的根结点开始，按照样本属性的取值，逐渐沿着决策树向下，直到树的叶结点，该叶结点表示的类别就是新样本的类别。决策树方法是数据挖掘中非常有效的分类方法。17. 简述 ID3 算法的基本思想及其主算法的基本步骤。首先找出最有判别力的因素，然后把数据分成多个子集，每个子集又选择最有判别力的因素进一步划分，一直进行
16、到所有子集仅包含同一类型的数据为止。最后得到一棵决策树，可以用它来对新的样例进行分类。主算法包括如下几步：从训练集中随机选择一个既含正例又含反例的子集(称为窗口)；用“建树算法”对当前窗口形成一棵决策树；对训练集(窗口除外)中例子用所得决策树进行类别判定，找出错判的例子；若存在错判的例子，把它们插入窗口，重复步骤，否则结束。18. 简述 ID3 算法的基本思想及其建树算法的基本步骤。首先找出最有判别力的因素，然后把数据分成多个子集，每个子集又选择最有判别力的因素进一步划分，一直进行到所有子集仅包含同一类型的数据为止。最后得到一棵决策树，可以用它来对新的样例进行分类。建树算法的具体步骤如下：对当前例子集合，计算各特征的互信息；选择互信息最大的特征 Ak；把在 Ak处取值相同的例子归于同一子集，Ak取几个值就得几个子集
