数据挖掘第三版第六章课后习习题答案.doc

数据质量可以从多方面评估，包括准确性、完整性和一致性问题对于以上每个问题，讨论数据质量的评估如何依赖数据的应用目的，给出例子提出数据质量的其他两个尺度答：精确性：描述数据是否与其对应的客观实体的特征相一致 完整性：描述数据是否存在缺失记录或缺失字段一致性：描述同一实体的同一属性的值在不同的系统或数据集中是否一致数据质量依赖于数据的应用对于给定的数据库，两个不同的用户可能有完全不同的评估例如，市场分析人员可能访问公司的销售事务数据库（该数据库里面并非是所有的顾客信息都是可以得到的其他数据没有包含在内，可能只是因为输入时认为是不重要的，相关的数据没有记录可能是由于理解错误，或者因为设备故障），得到顾客地址的列表有些地址已经过时或不正确，但毕竟还有80%的地址是正确的市场分析人员考虑到对于目标市场营销而言，这是一个大型顾客数据库，因此对该数据库的准确性还算满意，尽管作为销售的经理，你发现数据是不正确的 另外两种度量尺度：有效性：描述数据是否满足用户定义的条件或在一定的域值范围内唯一性：描述数据是否存在重复记录在习题中，属性age包括如下值（以递增序）：13、15、16、16、19、20、20、21、22、22、22、25、25、25、25、30、33、33、35、35、35、35、36、40、45、46、52、70(a) 使用深度为3的箱，用箱均值光滑以上数据。

说明你的步骤，讨论这种技术对给定数据的效果答：划分为（等频的）箱：箱1：13、15、16、16、19、20、20、21、22箱2：22、25、25、25、25、30、33、33、35箱3：35、35、35、36、40、45、46、52、70用箱均值光滑：箱1：18、18、18、18、18、18、18、18、18箱2：、、、、、、、、箱3：、、、、、、、、分箱方法通过考察数据的“近邻”来光滑有序数据值，进而去掉“噪声”，即去掉被测量的变量的随机误差或方差b)如何确定该数据的离群点答：可以通过聚类来检测离群点即将类似的值组织成群或“簇”，直观地，落在簇集合之外的值被视为离群点c)还有什么方法来光滑数据答：另外的方法是回归：用函数拟合数据来光滑数据这种技术被称为回归线性回归涉及找出拟合两个属性（或变量）的“最佳”直线，使得一个属性可以用来预测另一个如下规范化方法的值域是什么(a) 最小-最大规范化答：[new_min, new_max](b) Z分数规范化答：[(old_min－mean)/σ，(old_max－mean)/σ](c) Z分数规范化，使用均值绝对偏差而不是标准差、答：(－∞，+∞)(d) 小数定标规范化答：(－,使用习题给出的age数据，回答以下问题：(a) 使用最小-最大规范化将age值35变换到[,]区间。

答：35-13/70-13=(b) 使用z分数规范化变换age值35，其中age的标准差为岁答：均值为计算得(c) 使用小数定标规范化变换age值35答：(d) 指出对于给定的数据，你愿意使用哪种方法陈述你的理由答：我更喜欢用z分数规范化，因为z分数不受离群点影响假设12个销售价格记录已经排序，如下所示：5, 10, 11, 13, 15, 35, 50, 55, 72, 92, 204, 215使用如下个方法将它们划分成三个箱a) 等频（等深）划分箱1:5，10，11,，13箱2：15，35，50，55箱3：72，92，204，215(b) 等宽划分箱1：5,10,11,13,15,35,50箱2:55,72,92箱3:204,2152。