1102NTUT CSIE 資料科學導論期末考(Open books/notes/Do by yourself)
考試時間: 13:30-15:00
* 請記得在答案卷上確認學號姓名有填寫正確
* 需要提供計算的推導過程(可用手寫版或將整張作答文件拍照存檔)，如果只有答案沒有過程則視為零分，
如果過程正確，數據錯誤將給予部分分數
* 建議將最後答案整合成一個檔案(學號_姓名.pdf)上傳，15:00 前都可以重複上傳並更新檔案，時間截止後
將無法再上傳，建議不要冒險等到最後才上傳個人作答文件。
* 請仔細檢查並”清楚標示每一題的題號及相對應的答案”後再確認送出
1.
(20%) 某一個百貨公司的平日和假日的商業活動銷售紀錄如下，使用單純貝氏(Naïve Bayes)預測
當發生在假日、沒有折扣但有免費運送時，顧客會購買商品或不會購買商品? 機率各是多少?
2. (20%) 某一商店當日顧客的購物內容資料如下資料表格所示，請分析符合最小支持度(support rate)
為 50% 和最小信賴度(confidence rate)為 80%的關聯規則(association rules)為何?如果有符合的關
聯規則，請問該規則的增益度(Lift)是多少? 畫出該表格的 FP-tree (Minimum support rate 為 50%)。
TID(交易編號)
購物品項
(Item names)
1
A,C,D,E,F
2
A,C,E,G
3
A,B,D,E,I
4
C,D,E,H
5
A,E,F,G,I
6
A,B,C
3. (20%) 一群數據點的位置如下表，請使用 complete-linkage 的方式由下而上建構階層架構樹。如
果要分為兩群，切點應設定在甚麼範圍?
Point
X
Y
A
0
5
B
8
5
C
3
6
D
6
0
E
7
4
4. (20%) 請將下列資料 {13, -7, -4, -10, 6, 5, 7, 6, 5, -3, 6, 15, -11, 8, 9}完成
(a). Z 分數標準化(Z-Score Standardization)、
(b). 最小值最大值正規化(Min-Max Normalization)
(c). 最大絕對值正規畫 Maximum Absolute Scalar)
(d). 分位數正規化（Quantile Robust Scalar Normalization）的轉換方式。
5. (20%) 使用協同過濾法(item-item based 方式)預測第五位顧客對第一部電影的評鑑分數。
(a) 分別計算第一部電影和其他電影的 Cosine Similarity?
(b) 使用 item-item based 的協同過濾法預測第五位顧客對第一部電影的評鑑分數是多少?
1
1
2
Movies 3
4
5
2
1
3
4
4
1
6
?
5
4
5
2
4
Users
5
7
4
4
1
3
4
5
3
3
建議可使用之公式 ( similarity and rating score)
8
9
5
5
3
4
3
4
2
10
4
5
3
5