[开课学院]: 资电学院 [开课系所]: 资讯系 [课程名称]: 资料探勘与资料仓储 [老师名称]: 林明言 老师 [开课学期]: 972 [类型]: 97-2期中考 1.[8%] 以上为各itemset及其support值: {a}:0.9, {b}:0.4, {c}:0.8, {e}:0.6, {a,b}:0.65, {a,c}:0.75, {a,e}:0.55, {b,c}:0.6, {b,e}:0.5, {c,e}:0.48, {a,b,e}:0.4, {b,c,e}:0.45, {a,b,c,e}:0.3等。 (a) association rule: {a,c}→{b,c}之 support =___, confidence =___。 (b) association rule: {b,c}→{a,e}之 support =___, confidence =___。 2.[3,3%] 若frequent itemsets L3 只包括{1,2,3}, {1,2,4}, {1,3,5}, {2,3,5}, {2,4,5}, {3,4,5}。 (a) join-step 得到candidate itemsets C4(尚未prune)为___________。 (b) 经过prune後，可能的C4为____________________________________。 3.[2,4,5%] 以表一的资料库资料计算(列出计算式即可) (a) Class 的 information =________ (b) 栏位 ORS的entropy =___________ (c) 假设表一的资料库增加一笔资料「ID=12, ORS=R, Class=3」，请计算栏位ORS的 information gain =__________________ ID ORS Class 1 R 1 2 S 1 3 S 1 4 R 2 5 R 2 6 S 2 7 O 2 8 O 2 9 O 2 10 R 2 11 O 2 4.[2.5,2.5,2,3%] (a) X-model的lift =_________ (b) Y-model的lift =_________ (c) X-model的error rate =_________ (d) Y-model的recall =_________ X-model Computed-Accept Computed-Reject Accepts 45 55 Reject 1955 7945 Y-model Computed-Accept Computed-Reject Accepts 46 54 Reject 2245 7955 5.[2,4,4%] (a) 列出表三的symmetric attribute_____________ (b) 不考虑表三的symmetric attribute, 算dissimilarity:d(甲,丙)及d(乙,丙) d(甲,丙)=_________ d(乙,丙)=___________ (c) 表三中attribute 的weight, symmetric比asymmetric为1:4, 算d(甲,乙)=______ 病 性 区 发 咳 测试 患 别 域 烧 嗽 １ ２ ３ ４ 甲 男 北 Ｙ Ｎ Ｐ Ｎ Ｎ Ｎ 乙 女 北 Ｙ Ｎ Ｐ Ｐ Ｐ Ｎ 丙 男 南 Ｙ Ｙ Ｎ Ｎ Ｎ Ｐ 丁 男 北 Ｎ Ｎ Ｎ Ｎ Ｎ Ｐ 　注：病患的「区域」:「南」「北」机率各1/2 6.[4,4,4%] 将某实验资料(34,29,28,26,4,8,14,15,20,10,3,15) (a) 列出以equi-depth partition(depth=4) 後各bin的内容 (b) 列出以smoothing by bin-boundaries 後各bin的内容 (c) 将原始实验资料做min-max normalization, 新范围是 [1,10], normalize後 8跟28=___,____ 7.[2,2%] 将予下图之decision tree, (a) 可以产生几条规则? (b) 写出一条规则 ps. 因为图拍的很模糊, 无法提供图, 此题请参考课本范例题型雷同 8.[5%] 现有之hash-tree(node size=3)及subset function如下图，画出加入(3,4,7), (3,5,8)後的tree. ┌──────┼──────┐ subset function │ │ │ ┌───┼───┐ ┌──┼──┐ 2 3 4 ┌──┼──┐ 1,4,7 2,5,8 3,6,9 1 4 5 │ 1 3 6 5 6 7 3 4 5 │ 3 6 7 │ │ 3 6 8 ┌───┼───┐ 3 5 6 1 2 4 1 2 5 1 5 9 3 5 7 4 5 7 4 5 8 6 8 9 9.[4,4%] Frequent itemset 及其count值如下: (a):9, (b):8, (d):9, (e):6, (ab):7, (ad):9, (ae):5, (bd):8, (de):5, (ade):5 (a) maximum itemsets =____________ (b) closed itemsets =____________ 10.[6,4,4,4,5,5%] (a)何谓data mining? (b) training data与test data有甚麽差异? (c) clustering跟classification有甚麽最大不同? (d) 举两个「concept hierarchy」的例子. (e) 简述「K-means clustering」. (f) KDD的程序包含哪几个步骤. --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 59.126.206.66