山东大学软件学院2022-2023数据仓库数据挖掘期末考试（回忆版）

山东大学软件学院2022-2023数据仓库数据挖掘期末考试（回忆版）

前言

1、考试时间：2023/2/14 14:30-16:30 (因疫情推迟到开学考的期末考试)
2、考试科目：数据仓库数据挖掘（老师：PanPeng）
3、考试语言：中文
4、考试题型：简答、计算、画图（最好带个尺子，容易画图）。
5、考后感想：题量比较大，需要对题目比较熟练，题目类型和ppt上差不多，不过相对而言比较难。备考的同学注重算法题（fp-tree、GSP、DB-SCAN），还有MOLAP和逻辑模型、数据流等。

一、简答题

（1）数据预处理的主要任务有哪些？每个人物要解决的问题主要有那些？
（2）维度归约有哪两类技术？有什么区别。
（3）什么是离群点？离群点挖掘有什么意义？主要有哪四种方法？
（4）数据仓库的主要特征，画出数据仓库的体系结构图。

二、下面是两组COVID病毒阳性的真实和预测情况表，根据要求完成作答。

（数据大概可能如此吧…）
模型一：

	Positive	Negative
Positive	25	5
Negative	10	4960

模型二：

	Positive	Negative
Positive	46	6
Negative	7	9940

（1）写出两组模型的准确率、错误率、精确率、召回率。
（2）结合实际，说明哪种模型更合理。

三、利用fp-tree算法完成以下作答。

（原图忘了，找的ppt上的）

（1）写出挖掘过程，画出fp树，写出在挖掘过程中的数据集的变化。
（2）给出m的条件模式基，写出挖掘过程。

四、给出如下概念模型，完成以下作答。

（模型大概是这样吧，记不清了）

（1）画出逻辑模型。
（2）如果在时间要在时间维度上进行归约，那么维度表和事实表如何设计。
（3）现在要查询2017年第一季度商品的销售额，由基本方体[日，商品名，地址]开始，写出需要进行的OLAP操作。
（4）写出MOLAP的工作原理。

五、用GSP算法完成以下作答。

（1）根据上图写出挖掘频繁序列模式的过程。
（2）写出最长的序列。
（3）写出由k-1序列生成k序列的两个重要过程，设种子集合C_k-1,频繁模式L_k。

六、DBSCAN

下面给出一个样本事务表数据库，对它实施DBSCAN算法，设$ϵ$=3, MinPts=3。（原图记不住，图是找的ppt上的，不过ppt上面这道题的$ϵ$=1, MinPts=4）

（1）根据上图写出挖掘频繁序列模式的过程。
（2）写出上图中数据点中的核心对象。
（3）找出两组密度可达和密度相连的点。

七、数据流问题。

给出如下数据流，在接下来的时间内数据流进入了二进制串：11011。根据要求完成作答。（具体数据流想不起来，找的ppt上的）

（1）写出二进制串全部进入后，bucket的情况。
（2）写出二进制串全部进入后，所有1的个数。

总结

注意：Aprior、FP-tree、Aprior-all、GSP、k-means、k-medoid、AGNES、DIANA、DB-SCAN、DGIM、MOLAP和逻辑模型、数据流、推荐算法。
================= 题量比较大、注意时间！！！==================
祝考试顺利~~
点个赞呗~~