数据挖掘概念与技术（第三版）课后答案——第五章

置顶

进击的小绵羊

于 2020-07-10 19:40:05 发布

阅读量1w

点赞数 20

分类专栏：数据挖掘文章标签：数据挖掘

本文链接：https://blog.csdn.net/qq_43060870/article/details/107222782

版权

未完待续。。。

5.1 假定10维基本方体只包含3个基本单元: (1) (a1,d2,d3,d4,...,d9,d10), (2) (d1,b2,d3,d4,...,d9,d10), 和(3) (d1,d2,c3,d4,...,d9,d10),其中a1≠d1, b2≠d2并且c3≠dz。该立方体的度量是count ()。
(a)完全数据立方体中包含多少个非空方体?
(b)完全立方体中包含多少个非空聚集(即非基本)单元?
(c) 如果冰山立方体的条件是“count≥2”,那么冰山立方体包含多少个非空聚集单元?
(d)单元c是闭单元，如果不存在单元d使得d是单元c的特殊化(即d通过用非“*”值替换c中的“*”得到)，并且d与c具有相同的度量值。闭立方体是仅由闭单元组成的数据立方体。该立方体中有多少个闭单元?

（a）n维数据立方体包含 $2^{n}$ 个方体， $\Rightarrow$ 10维数据立方体包含 $2^{10}$ 个非空方体。

（b）（1）每一个单元生成 $2^{10}-1$ 个非空聚集单元，因此3个基本单元总共有 $3*(2^{10}-1)$ 个非空聚集单元（包含重复记录的）；

（2）1×27（即（*，∗，∗，d4，...，d10））重叠两次（因此计数3），3×27（即（d1，∗，∗，d4，...，d10）、（*，d2，∗，d4，...，d10）、（*，∗，d3，d4，...，d10））个像元重叠一次（因此计数2），因此多记录了 $5*2^{7}$ 个单元；

（3）因此包含 $3*(2^{10}-1)-5*2^{7}$ = $19*2^{7}-3$ 个。

（c）（1）（d1，∗，∗，d4，...，d9，d10）的计数为2，因为它由单元格2和单元格3生成，

类似地，（2）（∗，d2，∗，d4，...，d9，d10）：2，

（3）（∗，∗，d3，d4，...，d9，d10）：2;

（4）（∗，∗，∗，d4，...，d9，d10）：3

因此该冰山立方体包含 $4*2^{7}=2^{9}$ 个非空聚集单元

（d）总共有7个闭单元，如下：

(1) (a1,d2,d3,d4,...,d9,d10) : 1,

(2) (d1,b2,d3,d4,...,d9,d10) : 1,

(3) (d1,d2,c3,d4,...,d9,d10) : 1,

(4) (∗,∗,d3,d4,...,d9,d10) : 2,

(5) (∗,d2,∗,d4,...,d9,d10) : 2,

(6) (d1,∗,∗,d4,...,d9,d10) : 2,

(7) (∗,∗,∗,d4,...,d9,d10) : 3。

5.2 有几种典型的立方体计算方法，如MultiWay[ ZDN97]、 BUC[ BR99] 和Star- Cubing[ XHLW03 ]。简单地描述这三种方法(即用一两行列出要点)，并在以下条件下比较它们的灵活性和性能:

(a)计算低维(例如，小于8维)、稠密的完全立方体。
(b)计算具有高度倾斜数据分布的大约10维的冰山立方体。
(c)计算高维(例如，超过100维)、稀疏的冰山立方体。

MultiWay、 BUC 和Star- Cubing总结：

Star- Cubing：

一种集成自顶向下和自底向上的立方体计算方法，结合了多路数组聚集中的同时聚集和BUC中的Apriori剪枝策略。

利用星型树数据结构进行存储，其中核心的部分就是引入共享维的概念。如果共享维的聚集值不满足冰山条件，则共享维向下的所有单元都不满足冰山条件。

（a）MultiWay和Star-Cubing均比BUC的灵活性和性能好。

（b）MultiWay确实适用于冰山立方体。对于高度倾斜的数据集，Star-Cubing比BUC更好。

（c）MultiWay确实适用于冰山立方体。MultiWay确实适用于冰山立方体。 BUC和Star-Cubing都无法有效地处理高维数据。应该探索封闭立方体和壳碎片的方法。

5.3假设数据立方体C有d 个维，并且基本方体包含 k个不同元组。
(a)给出一个公式，计算立方体C可能包含的单元的最小个数。
(b)给出一个公式，计算立方体C可能包含的单元的最大个数。
(e)如果每个立方体单元中的计数不能小于阂值v，回答(a)和(b)。
(d)如果只考虑闭单元(使用最小计数阅值v），回答(a) 和(b)。</