loading
例3.1 假定属性income的最小与最大值分别为$12,000和$98,000。我们想映射income（income值为$73,600）到区间［0，1］。
2. 零均值规格化：
属性A的值基于A的平均值和标准差规范化。 A的值v被规范化为v’，由下式计算：
其中，A和σ A分别为属性A的平均值和标准差。
当属性A的最大和最小值未知，或局外者左右了最小最大规格化时，该方法是有用的。
例3.2 假定属性income的平均值和标准差分别为$54,000和$16,000。使用零均值规格化方法，值$73,600被转换为什么?
3. 数点规格化：
属性A的小数点位置进行规范化。
小数点的移动位数依赖于A的最大绝对值。 A的值v被规范化为v’，由下式计算： 其中，j是使得Max(|v’|)<1的最小整数。
例3.3假定A的值由-986到917。A的最大绝对值为986。为使用十基数变换规格化方法，-986被规范化为多少? 29. 用1,000（即，j=3）除每个值。这样，-986被规范化为-0.986。 填空：
数据仓库的四个基本特征是指数据仓库中的数据是面向主题的、集成的、不可更新的和随时间不断变化的。 OLAP的实现方式有以下两种：基于关系数据库系统的实现和基于 基于多维数据库系统 的实现。
数据从操作型环境到数据仓库过程中，通常需要进行的处理操作有 抽取 、 转化 、 分析 和 模式化处理 。
数据仓库中数据的分割是指 把数据分散到各自的物理单元中，他们能独立的处理。 。数据分割后的数据单元称为分片，数据分片的类型有 水平分片、垂直分片 、混合分片和导出分片等。
数据仓库系统是多种技术的综合体，它是由 数据仓库,管理部分和分析工具 三部分组成。
聚集函数分为三种类型，分别是 分布的 、 代数的 、 和 整体的 。 粒度是数据仓库的重要概念，粒度越小，数据的细节程度越 高 ，可以回答查询的种类就越 少 ，但是查询效率将会很低；提高粒度将会提高查询效率，在数据仓库中通常采用多重粒度。 问答题：
操作型数据和分析型数据的主要区别是什么？
OLTP 数据库数据(操作型) 细节性数据 当前数据 经常更新 一次处理的数据量小 对响应时间要求高 用户数量大 面向操作人员，支持日常操作 面向应用，事务驱动 OLAP 数据库/数据仓库数据(分析型) 综合性数据 历史数据 周期性更新 一次处理的数据量大 响应时间合理 用户数量相对较少 面向决策人员，支持管理需要 面向分析，分析驱动 你是如何理解数据仓库的数据是不可更新的，数据仓库的数据又是随时间不断变化的。
从数据的使用方式上来看，数据仓库的数据是不可更新的，这是指当数据被存放到数据仓库中之后，最终用户只能通过分析工具进行查询、分析，而不能修改其中存储的数据。
数据仓库的数据不可更新并不是说数据从进入数据仓库之后就永远不变，是随时间变化而定期地被更新，从而保证前端分析结论的时间有效性。
举例说明数据仓库有哪三类聚集函数。
聚集函数分成三类： 分布的：一个聚集函数是分布的，如果它能以如下分布方式进行计算：设数据被划分为 n 个集合，函数在每一部分上的计算得到一个聚集值。如果将函数用于 n 个聚集值得到的结果，与将函数用于所有数据得到的结果一样，则该函数可以用分布方式计算。 例如，count() 代数的：一个聚集函数是代数的，如果它能够由一个具有 M（其中，M 是一个整数界）个参数的代数函数计算，而每个参数都可以用一个分布聚集函数求得。例如，avg() 整体的：一个聚集函数是整体的，如果描述它的子聚集所需的存储没有一个常数界。即，不存在一个具有M个（其中，M是常数）参数的代数函数进行这一计算。整体函数的常见例子包括median(),mode()（即，最常出现的项），和 rank()。 为什么说naive Bayesian分类法是 na?ve的？
朴素贝叶斯分类器是一种应用基于独立假设的贝叶斯定理的简单概率分类器.更精确的描述这种潜在的概率模型为独立特征模型。这种方法采用忽略了因数之间的关系，简化处理,把各属性彼此独立 请简述数据仓库的体系结构。
数据仓库系统的体系结构的分类（1）两层架构（Generic Two-Level Architecture）。（2）独立型数据集市（Independent Data Mart）。（3）依赖型数据集市和操作型数据存储（Dependent Data Mart and Operational Data Store）。（4）逻辑型数据集市和实时数据仓库（Logical Data Mart and Real-Time Data Warehouse） 举例说明多维分析操作（drill-down，roll-up）的含义是什么？
钻取(drill)各粒度级别(维的层次)之间的访问。上卷(drill up)是指沿某一个维的概念分层向上归约。下钻(drill down)是上卷的逆向操作，它是沿某一个维的概念分层向下或者引入新的维来实现。钻过（drill_across）是指对多个事实表进行查询。钻透（drill through）是指对立方体操作时，；利用数据库关系，钻透立方体的底层，进入后端的关系表。旋转(pivoting)平面数据的坐标轴转换即对多维数据集改变其显示的维方向。 试述常用的数值属性离散化方法
离散化方法的研究，已经提出了等频划分、等宽划分和适应离散法等。
1、等宽划分：在最小值和最大值之间平均划分成N个区间（N用户给定）,假定A和B分别是最大值和最小值，则每个区间的宽度为W=（B-A）/N，区间的边界线分别为A，A+W，A+2W，......，A+（N-1）W，A+NW=B 2、等频划分：把整个区域分为N个区间，每个区间有大约相同数目的例子 如：N=10，则每个区间中有大约10%的例子 这两种离散化方法都与分类信息无关
当属性值分布不均匀时，不能很好表示数据分布
向数据仓库追加数据时，捕捉数据变化常用的途径有哪些？
数据仓库的数据初装完成以后，再向数据仓库输入数据的过程称为数据追加 变化数据的捕获 时标法：加标识 DELTA法：对更新作记录 前后映象法：两次快照的对比 日志法：利用DBMS的日志，需改进
简要说明事务处理环境不适宜DSS应用的原因？
（1）事务处理和分析处理的性能特性不同。 （2）数据集成问题。 （3）数据动态集成问题。 （4）历史数据问题。（5）数据的综合问题。
举例说明多维分析操作（切片、切块、旋转）的含义是什么？ 切片和切块(slice and dice)
在多维数组的某一维选定一个维成员的动作称为切片。 在多维数组的某一维上选定某一区间的维成员的动作称为切块
旋转是改变一个报告或页面显示的维方向,以用户容易理解的角度来观察数据 数据挖掘的步骤是什么？
确定挖掘对象，准备数据，建立模型，数据挖掘，结果分析，知识应用阶段 简要说明数据仓库环境中元数据的内容。
元数据（Meta Data）——“关于数据的数据”，是指在数据仓库建设过程中产生的有关数据源定义、目标定义、转换规则等关键数据，是定义数据仓库对象的数据。如传统数据库中的数据字典就是一种元数据。 企业的数据库体系化环境的四个层次是什么？它们之间的关系是什么？
数据库的体系化环境,是在一个企业或组织内部，由各面向应用的OLTP数据库及各级面向主题的数据仓库所组成的完整的数据环境
四层体系化环境:操作型环境——OLTP,全局级——数据仓库,部门级——局部仓库,个人级——个人仓库，用于启发式的分析
简要说明数据仓库设计的步骤。
数据仓库的设计可以分为以下几个步骤：
◆明确主题 ◆概念模型设计 所要完成的工作：界定系统边界,确定主要的主题域及其内容 ◆技术准备工作 这一阶段的工作包括：技术评估，技术环境准备。 形成技术评估报告、软硬件配置方案、系统(软、硬件)总体设计方案。 ◆逻辑模型设计 进行的工作主要：
分析主题域，确定当前要装载的主题 确定粒度层次划分 确定数据分割策略 关系模式定义 ◆物理模型设计 这一步所做的工作：
确定数据的存储结构 ---RAID技术 确定索引策略——B树索引 位图索引等 确定数据存放位置 ——磁带 磁盘 等 确定存储分配优化 ◆数据仓库生成
通过专用的数据抽取工具或者通过自行编程 实现数据抽取、转换和装载。 ◆数据仓库运行与维护
建立DSS应用，使用数据仓库理解需求，调整和完善系统，维护数据仓库。 简要说明异常点挖掘有哪些方法？
简述采用决策树方法进行分类的过程。
决策树是以实例为基础的归纳学习算法。它从一组无次序、无规则的元组中推理出决策树表示形式的分类规则。它采用自顶向下的递归方式，在决策树的内部结点进行属性值
的比较，并根据不同的属性值从该结点向下分支，叶结点是要学习划分的类。从根到叶结点的一条路径就对应着一条合取规则，整个决策树就对应着一组析取表达式规则。 请简述采用神经元网络进行分类的过程。
人类大脑的思维分为抽象（逻辑）思维、形象（直观）思维和灵感（顿悟）思维三种基本方式。逻辑性的思维是指根据逻辑规则进行推理的过程；它先将信息化成概念，并用符号表示，然后，根据符号运算按串行模式进行逻辑推理；这一过程可以写成串行的指令，让计算机执行。然而，直观性的思维是将分布式存储的信息综合起来，结果是忽然间产生想法或解决问题的办法。这种思维方式的根本之点在于以下两点:1.信息是通过神经元上的兴奋模式分布储在网络上;2.信息处理是通过神经元之间同时相互作用的动态过程来完成的。 人工神经网络就是模拟人思维的第二种方式。这是一个非线性动力学系统，其特色在于信息的分布式存储和并行协同处理。虽然单个神经元的结构极其简单，功能有限，但大量神经元构成的网络系统所能实现的行为却是极其丰富多彩的。 举一个实例说明如何确定数据仓库的主题，如何确定主题所应包含的数据内容？