数据挖掘第二章作业

数据挖掘第二章作业

2.

a)用AM和PM表示的时间

离散的、定量的、区间的。

b)根据曝光表测出的亮度

离散的、定量的、比率的。

c)根据人的判断测出的亮度

连续的、定性的、序数的。

d)按度测出的0和360之间的角度

离散的、定量的、比率的。（可以是连续的，因为按度测出的角度值可以是实数值得属性）

e)奥运会上授予的铜牌、银牌、和金牌

离散的、定量的、比率的。

f)海拔高度

连续的、定量的、比率的。

g)医院中的病人数

离散的、定量的、比率的。

h)书的ISBN号（查找网上的格式）

离散的、定性的、标称的。

i)用如下值表示的透光能力：不透明、半透明、透明

离散的、定性的、序数的。

j)军衔

离散的、定性的、序数的。

K）到校园中心的距离

连续的、定量的、比率的。

l)用每立方厘米克表示的物质密度

连续的、定量的、比率的。

m)外套寄存号码

离散的、定性的、标称的。

14.

用欧几里得度量来对这些大象进行比较或分组。

因为第一所有的属性测出的值都是数值性质的，并且根据取值规模的不同有很大的取值范围；其次同一对象的不同属性之间是没有什么关系的，所以不用相关性度量；再者在本题中每个对象的量值是重要的，而余弦相似度不考虑数据对象的量值；最后将属性值标准化成平均数为0，标准差为1后再应用欧几里得距离是适当的方法。

16.

a)如果出现在一个文档中，tf’ij=tfij*log(m);

如果出现在每个文档中，tf’ij=0;

b)这个标准化反应了如果一个词出现在每一个文档中，那么就不能通过这个词来区分不同的文档，如果这个词出现的很少，那么就可以通过这个词来区分不同的文档。

18．

a)x=010*******

y=010*******

汉明距离=3；

f01=1; f10=2; f11=2;

Jaccard相似度=2/(1+2+2)=0.4；

b)汉明距离更相似于简单匹配系数，因为简单匹配系数=1—汉明距离/所有位数；Jaccard相似度更相似于余弦度量，因为他们都忽略了0-0匹配。

c)用Jaccard相似度更合适。因为我们想要知道两个个体有多少基因是共享的。

d)用汉明距离更适合。因为两个同物种的基因相同的部分很多，所以如果要比较则更关注于基因不同的部分，因此汉明距离更适合。