1、1商务智能复习题一、 名词解释1. 数据仓库：是一种新的数据处理体系结构，是面向主题的、集成的、不可更新的(稳定性)、随时间不断变化(不同时间)的数据集合，为企业决策支持系统提供所需的集成信息。2. OLAP：OLAP 是在 OLTP 的基础上发展起来的，以数据仓库为基础的数据分析处理，是共享多维信息的快速分析，是被专门设计用于支持复杂的分析操作，侧重对分析人员和高层管理人员的决策支持。3. 粒度：指数据仓库的数据单位中保存数据细化或综合程度的级别。粒度影响存放在数据仓库中的数据量的大小，同时影响数据仓库所能回答查询问题的细节程度。4. 数据挖掘：从大量的、不完全的、有噪声的、模糊的、随机的数
2、据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。5. OLTP：OLTP 为联机事务处理的缩写，OLAP 是联机分析处理的缩写。前者是以数据库为基础的，面对的是操作人员和低层管理人员，对基本数据进行查询和增、删、改等处理。6. ROLAP：是基于关系数据库存储方式的，在这种结构中，多维数据被映像成二维关系表，通常采用星型或雪花型架构，由一个事实表和多个维度表构成。7. 聚类：是将物理或抽象对象的集合分组成为多个类或簇(cluster)的过程，使得在同一个簇中的对象之间具有较高的相似度，而不同簇中的对象差别较大。8. 决策树：是用样本的属性作为结点，用属性的取值作为分
3、支的树结构。它是分类规则挖掘的典型方法，可用于对新样本进行分类。9. 频繁项集：指满足最小支持度的项集，是挖掘关联规则的基本条件之一。10. 支持度：规则 AB 的支持度指的是所有事件中 A 与 B 同地发生的的概率，即P(AB)，是 AB 同时发生的次数与事件总次数之比。支持度是对关联规则重要性的衡量。11. 可信度：规则 AB 的可信度指的是包含 A 项集的同时也包含 B 项集的条件概率 P(B|A)，是 AB 同时发生的次数与 A 发生的所有次数之比。可信度是对关联规则的准确度的衡量。12. 关联规则：同时满足最小支持度阈值和最小可信度阈值的规则称之为关联规则。二、 综合题1. 何谓数据
4、挖掘？它有哪些方面的功能？数据挖掘的功能包括：概念描述、关联分析、分类与预测、聚类分析、趋势分析、孤立点分析以及偏差分析等。22. 何谓数据仓库？为什么要建立数据仓库？数据仓库是一种新的数据处理体系结构，是面向主题的、集成的、不可更新的(稳定性)、随时间不断变化(不同时间)的数据集合3. 列举操作型数据与分析型数据的主要区别。操作型数据 分析型数据当前的、细节的 历史的、综合的面向应用、事务驱动 面向分析、分析驱动频繁增、删、改 几乎不更新，定期追加操作需求事先知道 分析需求事先不知道生命周期符合 SDLC 完全不同的生命周期对性能要求高 对性能要求宽松一次操作数据量小 一次操作数据量大支持日
5、常事务操作 支持管理决策需求4. 何谓 OLTP 和 OLAP？它们的主要异同有哪些？OLTP 即联机事务处理，是以传统数据库为基础、面向操作人员和低层管理人员、对基本数据进行查询和增、删、改等的日常事务处理。OLAP 即联机分析处理，是在 OLTP 基础上发展起来的、以数据仓库基础上的、面向高层管理人员和专业分析人员、为企业决策支持服务。OLTP 和 OLAP 的主要区别如下表：OLTP OLAP数据库数据 数据库或数据仓库数据细节性数据 综合性数据当前数据 历史数据经常更新 不更新，但周期性刷新一次性处理的数据量小 一次处理的数据量大对响应时间要求高 响应时间合理用户数量大 用户数据相对较
6、少面向操作人员，支持日常操作 面向决策人员，支持管理需要面向应用，事务驱动 面向分析，分析驱动5. 何谓粒度？它对数据仓库有什么影响？按粒度组织数据的方式有哪些？粒度是指数据仓库的数据单位中保存数据细化或综合程度的级别。粒度影响存放在数据仓库中的数据量的大小，同时影响数据仓库所能回答查询问题的细节程度。6. 简述数据仓库设计的三级模型及其基本内容。概念模型设计是在较高的抽象层次上的设计，其主要内容包括：界定系统边界和确定主要的主题域。逻辑模型设计的主要内容包括：分析主题域、确定粒度层次划分、确定数3据分割策略、定义关系模式、定义记录系统。物理数据模型设计的主要内容包括：确定数据存储结构、确定数
7、据存放位置、确定存储分配以及确定索引策略等。提高性能的主要措施有划分粒度、数据分割、合并表、建立数据序列、引入冗余、生成导出数据、建立广义索引等。7. 在数据挖掘之前为什么要对原始数据进行预处理？原始业务数据来自多个数据库或数据仓库，它们的结构和规则可能是不同的，这将导致原始数据非常的杂乱、不可用，即使在同一个数据库中，也可能存在重复的和不完整的数据信息，为了使这些数据能够符合数据挖掘的要求，提高效率和得到清晰的结果，必须进行数据的预处理。为数据挖掘算法提供完整、干净、准确、有针对性的数据，减少算法的计算量，提高挖掘效率和准确程度。8. 简述数据预处理方法和内容。 数据清洗：包括填充空缺值，识
8、别孤立点，去掉噪声和无关数据。 数据集成：将多个数据源中的数据结合起来存放在一个一致的数据存储中。需要注意不同数据源的数据匹配问题、数值冲突问题和冗余问题等。 数据变换：将原始数据转换成为适合数据挖掘的形式。包括对数据的汇总、聚集、概化、规范化，还可能需要进行属性的重构。 数据归约：缩小数据的取值范围，使其更适合于数据挖掘算法的需要，并且能够得到和原始数据相同的分析结果。9. 简述数据清理的基本内容。1. 聚类 2.空值处理.3.冗余和重复10. 何谓聚类？它与分类有什么异同？聚类是将物理或抽象对象的集合分组成为多个类或簇(cluster)的过程，使得在同一个簇中的对象之间具有较高的相似度，而
9、不同簇中的对象差别较大。聚类与分类不同，聚类要划分的类是未知的，分类则可按已知规则进行；聚类是一种无指导学习，它不依赖预先定义的类和带类标号的训练实例，属于观察式学习，分类则属于有指导的学习，是示例式学习。11. 设某事务项集构成如下表，填空完成其中支持度和置信度的计算。事务 ID 项集 L2 支持度% 规则 置信度%T1 A, D A, B 33.3 AB 50T2 D, E A, C 33.3 CA 60T3 A, C, E A, D 44.4 AD 66.7T4 A, B, D, E B, D 33.3 BD 75T5 A, B, C C, D 33.3 CD 604T6 A, B, D
10、 D, E 33.3 DE 43T7 A, C, D T8 C, D, ET9 B, C, D12. 简述 K-中心点算法的输入、输出及聚类过程(流程)。输入：结果簇的数目 k，包含 n 个对象的数据集输出：k 个簇，使得所有对象与其最近中心点的相异度总和最小。流程： 随机选择 k 个对象作为初始中心点； 计算其它对象与这 k 个中心的距离，然后把每个对象归入离它“最近”的簇； 随机地选择一个非中心点对象 Orandom，并计算用 Orandom 代替 Oj 的总代价 S； 如果 S0,则用 Orandom 代替 Oj，形成新的 k 个中心点集合； 重复迭代第 3、4 步，直到中心点不变为止。
