数据挖掘（Data Mining）第三章课后习题

1、下面属于维归约常用的线性代数技术的有（ 主成分分析 ）

2、假设12个销售价格记录组已经排序如下：5, 10, 11, 13, 15, 35, 50, 55, 72, 92, 204, 215 使用如下每种方法将它们划分成四个箱。等频（等深）划分时，15在第几个箱子内（ 第二个 ）

3、数据规范化方法包括（  最小最大规范化  ）

4、两组向量x={6,4,7,10,8},y={5,6,1,4,12}的协方差为（  0.2  ）

5、已知某工厂车间工人的年终奖，其均值为34 349元，标准差为16 928元，对于观测值为57 000元，使用z-score方法对其进行规范化为（  1.34  ）

6、下列数据变换类型及方法正确的是（  数据平滑：去噪，将连续数据离散化，增加粒度；特征构造：构造出新的属性；数据规范化：使数据按照比例缩放，落入特定区域  ）

7、数据归约技术包括（  维归约；数量归约；数据压缩  ）

8、在现实世界的数据中，元组在某些属性上缺少值是常有的。描述处理该问题的各方法正确的有（  忽略元组；使用属性的平均值填充空缺值；使用与给定元组属同一类的所有样本的平均值  ）

9、数据预处理的技术手段包括( 数据清理；数据集成；数据变换；数据归约 )

10、数据归约策略包括（ 数量归约；属性子集选择；抽样；直方图 ）

11、噪声是指被测量的变量产生的错误或误差。（ 错 ）

12、数据变换是通过平滑聚集、数据概化、规范化等方式将数据转换成适用于数据挖掘的形式。（ 对 ）

13、唯一性原则是指一个属性的每个值都是唯一的，不能和这个属性的其他值相同。（ 对 ）

14、每个属性的最大值和最小值之间没有缺失值既满足连续性原则。（ 错 ）

15、数据规约就是指对数据集进行简化表示。（ 对 ）

16、在确定数据中的离群点时，一般不必检查整个数据集。（ 对 ）

17、在现实世界的数据中，元组在某些属性上的缺失值是常有的。处理该问题的常用方法有删除数据对象或属性、估计遗漏值、忽略遗漏值。（ 对 ）

18、在使用分箱法实现特征离散化时，可以用每个箱中的中位数或平均数替换箱中所有的值。（ 对 ）

19、数据清理一般需要对噪声和缺失值进行处理。（ 对 ）

20、将原始数据进行集成、变换、维度规约、数值规约是在以下哪个步骤的任务（ 数据预处理 ）

21、数据清理不包括以下哪些处理（ 重复数据的处理 ）

22、给定一组二维样本S,S = {S1, S2, S3, S4, S5}= {(1,2),(3,0),(4,3),(5,7),(1,6)},在距离阈值d大于等于4、非邻点样本的阈值部分p大于等于3时的噪声数据为（  S4, S5  ）

23、假定用于分析的数据包含属性age,数据元祖中age的值如下(按递增序)：13,15,16,16,19,20,20,21,22,22,25,25,25,25,30,33,33,33,35,35,35,35,36,40,45,46,52,70。对age值35进行小数定标规范化转换，转换后的值为（  0.35  ）

24、假定用于分析的数据包含属性age,数据元祖中age的值如下(按递增序)：13,15,16,16,19,20,20,21,22,22,25,25,25,25,30,33,33,33,35,35,35,35,36,40,45,46,52,70。使用min-max规范化，将age值35转换d到[0.0,1.0]区间的值为（  0.386  ）

25、假定用于分析的数据包含属性age,数据元祖中age的值如下(按递增序)：13,15,16,16,19,20,20,21,22,22,25,25,25,25,30,33,33,33,35,35,35,35,36,40,45,46,52,70。已知age的标准偏差为12.94年，使用z-score规范化对age值35进行转换，转换后得到的值（  0.386  ）

26、我们要进行数据预处理，是因为原始数据大多都是（  “脏数据”  ）

27、下面哪些属于数据预处理的方法（  变量代换；离散化；聚集  ）

28、数据变换的类型包括（  数据泛化；数据离散化；特征构造  ）

29、对数据进行偏差检测的3个原则分别是(  唯一性原则；连续性原则；空值原则  )

30、数据清理的原则包括（  连续性原则；唯一性原则；空值原则  ）

31、高质量数据的要求有(  准确性；完整性；一致性  )

32、处理缺失数据的方法是（  接删除缺失属性的记录；人工填写；使用全局常量填充缺失值；使用属性的中心趋势度量值填充缺失值  ）

33、数据规约技术可以得到数据集的规约表示，虽然小，但仍大致保持原数据的完整性。（ 对 ）

34、数据预处理的任务包括数据清理、数据集成、数据规约和数据泛化。（ 错 ）

35、数据变换策略主要包括光滑、聚集、数据泛化、规范化、属性构造和离散化。（ 对 ）

36、数据挖掘所处理的数据必须具有准确性、完整性、一致性、时效性、可信性和可解释性。（ 错 ）

37、数据集成有助于减少结果数据集的冗余和不一致，可以提高集成之后的挖掘过程的准确性和速度。（ 对 ）