数据挖掘题目整理 问答题
1. 在数据清洗中，处理缺失值除了忽视元组之外，其他还有什么方法？
2. 试概述OLAP与OLTP之间的区别？
3. 数据质量一般包括哪些因素，试解释这些因素。
4. 数据仓库模型有哪些，回答他们各自特性。
5. 什么是数据规约？数据规约的策略主要有哪些？
6. 数据仓库有哪些关键特性？
综合题
1.在文件Pollution.txt的第二至第七列存放着全国各省的污染数据，请完成下面的工作
（1） 介绍层次聚类的方法
（2）利用R语言完成上述方法的层次聚类的如图所示的聚类图解，在图中，横坐标是各省名称。
2. (1)分类决策树建立过程中属性的选择经常采用的方法有信息增益方法，请解释该方法原理。
（2） 在数据集iris中存放着3种不同的鸢尾花的50个样本数据，包括花萼长
度，花萼宽度，花瓣长度，花瓣宽度和种类（species）等五个域值。请建立和显示该数据的决策树（其中70%的数据建立，其他30%用于训练，参数设置用默认值）
3.（1）什么是随机森林？它有什么作用。
（2） 在数据集iris中存放着3种不同的鸢尾花的50个样本数据，包括花萼长
度，花萼宽度，花瓣长度，花瓣宽度和种类（species）等五个域值。请建立一个随机森林，并显示误差率。（其中70%的数据建立，其他30%用于训练，参数设置用默认值）
4．（1）什么是局部离群点？比较它们之间的异同
（2） 在数据集iris中存放着3种不同的鸢尾花的50个样本数据，包括花萼长
度，花萼宽度，花瓣长度，花瓣宽度和种类（species）等五个域值。请检测其中的局部离群点并绘制离群点两个主成分的双标图。
5（1）什么是离群点？离群点的检测有何意义？举例说明。
（3） 分别产生100个随机数存放到x和y，然后检测他们中的离群点，并绘图
显示，其中离群点用红色显示。
6在数据集iris中存放着3种不同的鸢尾花的50个样本数据，包括花萼长度，花萼宽度，花瓣长度，花瓣宽度和种类（species）等五个域值，请完成下面工作：
（1）介绍基于密度的聚类的方法；
（2）利用R语言完成上述方法的聚类并绘制聚类图。（设eps=0.42,Minpts=51.）