数据挖掘试题

Visited times , Welcome to Data Mining Forum & Data Mining Expert

二、问答题：
1.对于类特征化，基于数据立方体的实现与诸如面向属性归纳的关系实现之间的主要不同是什么？讨论哪种方法最有效，在什么条件下最有效。
2.数据仓库和数据库有何不同？它们有那些相似之处？
3.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种方法。
4. 试述对于多个异种信息源的集成，为什么许多公司宁愿使用更新驱动的方法，而不愿使用查询驱动的方法。
5.为什么说强关联规则不一定都是有趣的，举例说明。
三、证明题
1．证明频繁集的所有非空子集必须也是频繁的。数据挖掘工具
2．Apriori的一种变形将事务数据库D中的事务划分为个不重叠的部分。证明在D中是频繁的任何项集至少在D中的一个部分中是频繁的。
四、算法分析与扩展
1 .描述判定树算法的思想。
2.写出比较易懂的算法伪代码
3.指出算法的不足之处，应该从哪些方面增强算法的功能和性能。
五、计算题
给定两个对象，分别用元组（22，1，42，10），（20，0，36，8）表示。
1．计算两个对象之间的欧几里德距离；数据挖掘实验室
2．计算两个对象之间的蔓哈坦距离；

[数据挖掘专家] [数据挖掘研究院] [数据挖掘论坛] [数据挖掘实验室]

上一篇：DataMining个案研究
下一篇：State Of The Art / Data Mining

最新评论共有 0 位网友发表了评论 , 查看所有评论

发表评论( 不能超过250字，需审核，请自觉遵守互联网相关政策法规。 )

数据挖掘网站导航	数据挖掘论坛导航
数据挖掘工具数据挖掘论坛 DataCruncher - Cognos MineSet - MathSoft Intelligent Miner - GainSmarts Sqlserver - SAS - Clementine CART - Weka - WizSoft NeuroShell - ModelQuest data mining tools - Darwin 数据挖掘交友数据挖掘博客	数据挖掘工具数据挖掘资源数据挖掘技术算法数据挖掘相关期刊、会议研究院联盟合作专区数据挖掘基础与相关技术数据挖掘厂商与就业数据挖掘研究者乐园知名厂商数据挖掘工具资料国内数据挖掘实验室 Foreign Data Mining Lab