【20200326】数据挖掘课程课业打卡三

叮嘟！这里是小啊呜的学习课程资料整理。好记性不如烂笔头，今天也是努力进步的一天。一起加油进阶吧！

数据挖掘课业打卡三之数据质量

一、单选题

1、下列说法中错误的是：

A、噪声是测量误差的随机部分

B、数据中出现遗漏值的原因，可能是信息没有收集到，或者属性不适用于所有情况。

C、通常由于不同的数据源合并时造成重复数据的产生

D、离群点不可能是合法的数据对象或值

正确答案： D
关于离群点：

2、下列选项中不属于数据预处理方法的是

A、维归约 
B、聚类 
C、离散化与二元化   
D、属性变换

正确答案： B
关于数据预处理方法：

3、下列说法中错误的是：

A、维归约是通过创建新属性，将一些旧属性合并在一起来降低数据集的维度值
B、通过聚集操作，对象或属性群的行为通常比单个对象或属性的行为更加稳定；并且聚集操作不会丢失有趣的细节
C、之所以可以进行特征子集选择，是因为特征中通常包含冗余特征和不相关特征
D、特征创建方法包括：特征提取、映射数据到新的空间、特征构造

正确答案： B
关于聚集：

二、填空题

向量x=[3,2,3,1],y=[1,4,5,3],两者之间的欧几里得距离为____。               

正确答案：4
解析：可以直接运用公式算得，也可自己编写函数算得；

三、判断题

1、通常，信用卡盗刷的交易记录在全体信用卡交易的事务数据中，可以视为是离群点。

正确答案：√

2、离群点可以是合法的数据对象或值。

正确答案：√

3、数据中出现遗漏值的原因，可能是信息没有收集到，或者属性不适用于所有情况。

正确答案：√

4、维归约和特征子集选择这两种操作都可以达到降低数据维度的效果。

正确答案：√

5、对变量进行标准化/规范化，就是创建一个新的变量，它具有均值0和标准差0。

正确答案：×

知识点汇总

1、数据中可能存在的问题

 （1）噪声和伪像

 （2）离群点

 （3）遗漏值

 （4）不一致的值

 （5）重复的值

2、数据预处理方法

 （1）聚集(Aggregation)

 （2）抽样(Sampling)
抽样常用于数据的事先调查和最终的数据分析。

 （3）维归约(Dimensionality Reduction)
通过创建新属性，将一些旧属性合并在一起来降低数据集的维
度。

 （4）特征子集选择(Feature subset selection)
降低维度的另一种方法是仅仅使用特征的一个子集。

 （5）特征构造(Feature creation)
常常可以由原来的属性创建新的属性集，更有效地捕获数据集中的重要信息。

 （6）离散化与二元化(Discretization and Binarization)

 （7）属性变换(Attribute Transformation)
属性变换是指用于变量的所有值的变换。对于每个对象，变换都作
用于该对象的变量值。

3、关于欧几里得距离：

函数实现：

function dis = myEulidean(A,B) 
   [ax,ay]=size(A);
   [bx,by]=size(B);
   if (ax>1 && ay>1)||(bx>1 && by >1)
       error('输入中存在非向量');
   elseif (ax>ay) && (bx<by)
       temp=bx;
       bx=by;
       by=temp;
       if (ax~=bx)||(ay~=by)
           error('向量长度不统一');
       end
   elseif (ax~=bx)||(ay~=by)
       error('向量长度不统一');
   end
   dis=0;
   for i=1:max(ax,ay)
       dis=dis+(A(i)-B(i))^2;
   end
   dis=sqrt(dis);
end

Ending！
更多课程知识学习记录随后再来吧！

就酱，嘎啦！

注：
我们愈是学习，愈觉得自己的贫乏。 —— 雪莱