阿摩線上測驗
登入
首頁
>
資料探勘技術
>
96年 - 96-2 警察特種考試_二等_刑事警察人員犯罪分析組:資料探勘技術(包括資料庫管理與運用、線上交易處理【OLTP】、資料倉儲【Data Warehouse】、資料探勘【Data Mining】)#50778
> 申論題
三、請比較資料探勘技術和線上分析處理技術(On-Line Analysis Processing)的異同, 並說明兩者間的關係。(20 分)
相關申論題
一、請比較資料庫管理系統和資料倉儲的異同,並說明兩者間的關係。(20 分)
#180974
二、請說明網際網路資料探勘的類型及使用技術,並舉例說明不同類型網際網路資料探 勘相關的應用。(30 分)
#180975
四、請說明 decision tree 與 naïve Bayesian algorithm 兩種分類(classification)技術,並 比較其異同及適合處理的資料型態。(30 分)
#180977
⑸請依此背景,設計出雪花模式(Snowflake Schema)(8 分)
#311731
⑷請依此背景,設計出星型模式(Star Schema)(8 分)
#311730
⑶ 資 料 倉 儲 操 作 上 有 「 向 上 擷 取 」( Roll-Up ) 及 「 向 下 探 究 」 (Drill-Down)功能,這與維度設計有何關係?(3 分)
#311729
⑵在為它建立模型時,有所謂的事實表格、維度表格,請舉例說明。 (3 分)
#311728
⑴何謂主題導向(Subject-Oriented)?此處的主題是什麼?(3 分)
#311727
三、假設我們對某種犯罪資料要進行研究,資料庫收集了 4,000 筆個人的心 理、行為、參與社群等詳細資料,其中 1,900 人實際有過該犯罪事實, 2,100 人則無該犯罪事實。使用兩種方法來做集群(Cluster)分析。α 方 法可分出 1,400 位犯罪人,但其中 100 位未有犯罪事實,但被錯誤歸為 此犯罪群;此外有 600 位實際有過犯罪事實,卻未被歸為此群。β 方法 可分出 1,600 位犯罪人,但其中 200 位未有犯罪事實,但被錯誤歸為此 犯罪群;此外有 500 位實際有過犯罪事實,卻未被歸為此群。請問應如 何評估此兩方法的優劣?你會建議選擇那個方法?為什麼?(25 分)
#311726
⑶在尋找關聯規則時,有個重要的反單調(Anti-monotonicity)特性可減 低運算成本,請先說明何謂此特性?再請以上述例子來說明應如何運 用此特性。(5 分)
#311725
相關試卷
108年 - 108 一般警察特種考試_二等_刑事警察人員犯罪分析組:資料探勘技術(包括資料庫管理與運用、線上交易處理【OLTP】、資料倉儲【Data Warehouse】、資料探勘【Data Mining】)#77047
108年 · #77047
107年 - 107 一般警察特種考試_二等_刑事警察人員犯罪分析組:資料探勘技術(包括資料庫管理與運用、線上交易處理【OLTP】、資料倉儲【Data Warehouse】、資料探勘【Data Mining】)#69520
107年 · #69520
106年 - 106 一般警察特種考試_二等_刑事警察人員犯罪分析組:資料探勘技術(包括資料庫管理與運用、線上交易處理【OLTP】、資料倉儲【Data Warehouse】、資料探勘【Data Mining】)#62384
106年 · #62384
103年 - 103 一般警察特種考試_二等_刑事警察人員犯罪分析組:資料探勘技術(包括資料庫管理與運用、線上交易處理【OLTP】、資料倉儲【Data Warehouse】、資料探勘【Data Mining】)#43535
103年 · #43535
100年 - 100 一般警察特種考試_二等_刑事警察人員犯罪分析組:資料探勘技術(包括資料庫管理與運用、線上交易處理【OLTP】、資料倉儲【Data Warehouse】、資料探勘【Data Mining】)#45744
100年 · #45744
98年 - 98 一般警察特種考試_二等_刑事警察人員犯罪分析組:資料探勘技術(包括資料庫管理與運用、線上交易處理【OLTP】、資料倉儲【Data Warehouse】、資料探勘【Data Mining】)#47990
98年 · #47990
97年 - 97 一般警察特種考試_二等_刑事警察人員犯罪分析組:資料探勘技術(包括資料庫管理與運用、線上交易處理【OLTP】、資料倉儲【Data Warehouse】、資料探勘【Data Mining】)#49128
97年 · #49128
96年 - 96-2 警察特種考試_二等_刑事警察人員犯罪分析組:資料探勘技術(包括資料庫管理與運用、線上交易處理【OLTP】、資料倉儲【Data Warehouse】、資料探勘【Data Mining】)#50778
96年 · #50778