数据挖掘考试题.pdf

数据挖掘是计算机科学的一个分支，主要涉及从大量数据中发现有价值的信息和模式。在这个领域的考试中，常见的知识点涵盖了各种数据挖掘技术和算法。以下是根据提供的题目内容解析的一些关键概念： 1. **分类与聚类**： - 分类是监督学习的一种，需要已知的标签来训练模型，然后预测未知数据的类别。聚类则是无监督学习，不依赖预先知道的标签，而是通过数据本身的特性将数据分组。 2. **聚类算法**： - K均值：一种迭代的中心导向的聚类方法，将数据分配到最近的聚类中心。 - DBSCAN：基于密度的聚类算法，可以发现任意形状的簇，对噪声点不敏感。 - 聚类算法的比较：K均值对球形簇效果好，但对非球形簇和不同大小的簇处理困难；DBSCAN则可以处理不同形状和大小的簇，且不丢弃被认为是噪声的点。 3. **关联规则分析**： - "啤酒与尿布试验"是关联规则分析的典型例子，通过发现购物篮中的商品关联性，如尿布和啤酒经常一起购买，来提升销售策略。 4. **层次聚类**： - 凝聚层次聚类（Agglomerative Clustering）从单个对象开始，逐步合并相似的元素形成簇。 - 分裂层次聚类（Divisive Clustering）从所有数据构成的单一簇开始，逐步分裂成更小的簇。 - Ward's方法是一种凝聚层次聚类，通过合并导致误差平方和最小的簇来减少簇内的差异。 - 层次聚类的问题：缺乏全局优化目标，某些方法对噪声点和离群点敏感，可能无法处理不同大小的簇。 5. **相似度计算**： - 相似度计算方法包括：欧几里得距离、曼哈顿距离、余弦相似度、Jaccard相似度等。 - Ward's方法和组平均方法在计算簇间相似度时有不同策略，Ward's方法关注合并簇时的误差平方和增加，而组平均是考虑簇内点的平均距离。 6. **支持度和置信度**： - 在关联规则中，{牛奶，尿布}→{啤酒}的支持度是规则出现的频率，置信度是满足前提条件的情况下，满足结论的概率。 7. **判断题**： - 正确的陈述包括：数据挖掘是对已有数据的模式发现；DBSCAN能处理任意形状和大小的簇；属性的性质不一定与度量值相同；全链对噪声点和离群点敏感；非对称属性的非零值更重要。 8. **综合题**： - 层次聚类是通过构建树状结构（Dendrogram）来表示数据的层级关系，分为凝聚和分裂两种方法。 - 凝聚层次聚类从独立的点开始，逐步合并相似的点，直到满足某个终止条件（如只剩一个簇）。 - Min、Max和组平均是不同的簇间相似度计算方法。Min和Max可能过于敏感，而组平均是一种折中方法。 - 基本凝聚层次聚类算法通常包括初始化、相似度计算、合并相似簇和更新直至满足终止条件等步骤。 - 绘制层次聚类的树状图需要根据距离矩阵，从最小距离开始合并点，形成层级结构。 这些知识点涵盖了数据挖掘中聚类分析的基础概念和技术，包括分类与聚类的区别、关联规则、层次聚类的不同方法以及它们的优缺点，还有相似度计算和聚类效果的评价标准。理解和掌握这些内容对于理解和应用数据挖掘技术至关重要。