浙江大学远程教育学院《数据挖掘》课程作业答案
第一章引言
一、填空题
（1）数据清理，数据集成，数据选择，数据变换，数据挖掘，模式评估，知识表示
（2）算法的效率、可扩展性和并行处理
（3）统计学、数据库技术和机器学习
（4）一些与数据的一般行为或模型不一致的孤立数据
二、简答题
（1）什么是数据挖掘
答：数据挖掘指的是从大量的数据中挖掘出那些令人感兴趣的、有用的、隐含的、先前未知的和可能有用的模式或知识。
（2）一个典型的数据挖掘系统应该包括哪些组成部分
答：一个典型的数据挖掘系统应该包括以下部分：
数据库、数据仓库或其他信息库
数据库或数据仓库服务器
知识库
数据挖掘引擎
模式评估模块
图形用户界面
（3）Web挖掘一般包括以下步骤：
数据清理: (这个可能要占全过程60％的工作量)
数据集成
将数据存入数据仓库
建立数据立方体
选择用来进行数据挖掘的数据
数据挖掘（选择适当的算法来找到感兴趣的模式）
展现挖掘结果
将模式或者知识应用或者存入知识库
（4）请列举数据挖掘应用常见的数据源。
（或者说，我们都在什么样的数据上进行数据挖掘）
答：常见的数据源包括关系数据库、数据仓库、事务数据库和高级数据库系统和信息库。其中高级数据库系统和信息库包括：空间数据库、时间数据库和时间序列数据库、流数据、多媒体数据库、面向对象数据库和对象-关系数据库、异种数据库和遗产(legacy)数据库、文本数据库和万维网(WWW)等。
第二章认识数据
一、填空题
（1）5/13
(2）极差、分位数、四分位数、百分位数、四分位数极差和标准差
（3）出落在至少高于第三个四分位数或低于第一个四分位数×IQR处的值
二、单选题
（1）C；（2）C；
三、简答题
（1）什么是基于像素的可视化技术它有什么缺点
答：对于一个m维数据集，基于像素的可视化技术在屏幕上创建m个窗口，每维一个。记录的m个维值映射到这些窗口对应位置上的m个像素。像素的颜色反映对应的值。基于像素的可视化技术的缺点：难以呈现多维空间的数据分布，不显示数据子空间中是否存在稠密区域。
（2）对称的和不对称的二元属性有什么区别
答：对称的二元属性指变量的两个状态具有同等价值或相同权重；而不对称的二元属性中，变量的两个状态的重要性是不同的。
对称的二元属性可以使用简单匹配系数评估它们的相异度；不对称的二元属性使用Jaccard系数评估它们的相异度。
第三章数据预处理
一、填空题
（1）数据清理、数据集成、数据变换、数据规约
（2）沿概念分层向上概化
（3）有损压缩，无损压缩
（4）线性回归方法，多元回归，对数线性模型
二、简答题
（1）常用的数值属性概念分层的方法有哪些
数据挖掘课程作业答案
