1、数据仓库与数 据 挖 掘,主讲教师：王浩畅 E-mail: wanghch_ School of Computer & Information Technology of NEPU,习题课1,习题2.9,假设医院检测随机选择的18个成年人年龄和身体脂肪数据,得到如下结果(a)计算年龄和脂肪百分比的均值、中位数和标准差 (b)绘制年龄和脂肪百分比的盒图 (c)根据这两个属性，绘制散布图和q-q图 (d)根据Z-score规范化来规范化这两个属性 (e)计算相关系数。这两个变量是正相关还是负相关？,解答2.9,(a)计算年龄和脂肪百分比的均值、中位数和标准差 age的均值= age的中位数=age
2、的标准差= = 12.85 %fat的均值= 28.78 将%fat 排序 %fat 的中位数= %fat的标准差= 8.99,解答2.9(续),(b)绘制年龄和脂肪百分比的盒图 离群点：当值超过四分位数不到1.5IQR,解答2.9 (续),(c)根据这两个属性，绘制散布图和q-q图,解答2.9 (续),(d)根据Z-score规范化来规范化这两个属性(e)计算相关系数。这两个变量是正相关还是负相关？ The correlation coefficient is 0.82. The variables are positively correlated.,习题2.12,假定用于分析的数据包含属
3、性age.数据元组age值(以递增序)是：13, 15, 16, 16, 19, 20, 20, 21, 22, 22, 25, 25, 25, 25, 30, 33, 33, 35, 35, 35, 35, 36, 40, 45, 46, 52, 70. (a) 使用min-max规范化将age值35变换到0.0，1.0区间。 (b) 使用z-score规范化变换age值35，其中age的标准差为12.94岁。 (c) 使用小数定标规范化变换age值35。 (d) 对于给定的数据，你愿意使用哪种方法？陈述你的理由。,解答2.12,(a) 使用min-max规范化将age值35变换到0.0，1
4、.0区间。 minA=13，maxA=70，new_minA=0.0，new_maxA=1.0，而v=35，(b) 使用z-score规范化变换age值35，其中age的标准差为12.94岁。,解答2.12(续),(c) 使用小数定标规范化变换age值35。由于最大的绝对值为70，所以j=2。(d) 对于给定的数据，你愿意使用哪种方法？陈述你的理由。答：更倾向于选择小数定标规范化。因为小数定标规范化会保持数据的分布，这种变换更直观并容易解释,习题2.14,2.14 假设12个销售价格记录组已经排序如下：5，10，11，13，15，35，50，55，72，92，204，215。使用如下每种方法将
5、其划分成三个箱。 (a) 等频（等深）划分。 (b) 等宽划分。 (c) 聚类。,解答2.14,(a) 等频（等深）划分。(b) 等宽划分。每个区间的宽度是：(215-5)/3=70(c) 聚类。我们可以使用一种简单的聚类技术：用2个最大的间隙将数据分成3个箱。,习题3.4,3.4假定BigUniversity的数据仓库包含如下4个维：student(student_name, area_id, major, status, university)，course(course_name, department)，semester(semester, year)和instructor(dept,
6、 rank)；2个度量：count和avg_grade。在最低概念层，度量avg_grade存放学生的实际课程成绩。在较高概念层，avg_grade存放给定组合的平均成绩。 (a)为该数据仓库画出雪花形模式图。 (b)由基本方体student, course, semester, instructor开始，为列出BigUniversity每个学生的CS课程的平均成绩，应当使用哪些特殊的OLAP操作。 (c)如果每维有5层（包括all），如“studentmajorstatusuniversityall”，该立方体包含多少方体？,解答3.4,解答3.4,b)由基本方体student, cours
7、e, semester, instructor开始，为列出BigUniversity每个学生的CS课程的平均成绩，应当使用哪些特殊的OLAP操作。这些特殊的联机分析处理（OLAP）操作有： 沿课程（course）维从course_id“上卷”到department。 沿学生（student）维从student_id“上卷”到university。 取department=“CS”和university=“Big University”，沿课程（course）维和学生（student）维切块。 沿学生（student）维从university下钻到student_name。 c)如果每维有5层（
8、包括all），如“studentmajorstatusuniversityall”，该立方体包含多少方体？ 这个立方体将包含54=625个方体。,习题3.5,3.5 假定数据仓库包含4个维： date(day, month, quarter, year), spectator(spectator_name, status, phone, address), location(location_name, phone#, street, city, province, country)和game(game_name, description, description, producer)；2个度
9、量： count和charge。其中， charge是观众在给定的日期观看节目的付费。观众可以是学生、成年人或老人，每类观众有不同的收费标准。 (a) 画出该数据仓库的星形模式图。 (b) 由基本方体 date, spectator, location, game开始，为列出2004 年学生观众在GM-Place 的总代价，应当执行哪些OLAP 操作？,解答3.5,解答3.5,(b)由基本方体 date, spectator, location, game开始，为列出2004 年学生观众在GM-Place 的总代价，应当执行哪些OLAP 操作？ 这些特殊的联机分析处理（OLAP）操作有： 沿date维从date id “上卷”到year 沿game维从game id “上卷”到all 沿location维从location id “上卷”到location name 沿spectator维从spectator id “上卷”到status 取status=“students”，location name=“GM Place”和year=2004切块,Thank You !,
