简述数据集定义，请举例说明。

简述EM算法的混合模型聚类的优点和局限性。

简述模糊聚类定义。

简述支持向量机概念。

时间或空间数据的可视化表示方法，请举例说明。

简述数据可视化应注意的事项。

如果具备集群实验条件,请尝试按照Hap官方文档搭建全分布式的 Hadoop集群环境。

试述实现矩阵向量乘法与矩阵乘法采用不同 Mapreduce策略的原因。

大数据决策与传统的基于数据仓库的决策有什么区别?

有10名学生的身高与体重数据如下表表所示. 1) 用数据框的形式读入数据; 2) 将数据表写成一个纯文本的文件, 并用函数read.table( )读取该文 件中的数据; 3) 用函数write.csv( )写成一个能用Excel打开的文件, 测试是否成功. 序号 性别 年龄 身高/cm 体重/kg 1 F 14 156 42.3 2 F 16 158 45 3 F 15 161 48.5 4 F 17 156 51.5 5 F 15 153 44.6 6 M 14 162 48.8 7 M 16 157 46.7 8 M 14 159 49.9 9 M 15 163 50.2 10 M 16 165 53.7

考虑表5-10中的数据集。 表5-10数据集 记录ABC类 1000+ 2001- 3011- 4011- 5001+ 6101+ 7101- 8101- 9111+ 10101+ (a)估计条件概率P(A|+),P(B+),P(C+),P(A-),P(B-)和P(C-) (b)根据(a)中的条件概率,使用朴素贝叶斯方法预测测试样本(A=0,B=1,C=0)的类标号 (c)使用m估计方法(p=1/2且m=4)估计条件概率 (d)同(b),使用(c)中的条件概率。 (e)比较估计概率的两种方法。哪一种更好?为什么?

打开R程序，用kmeans()函数对系统自带数据”iris”做聚类分析（聚成3类），然后用plot画出聚类结果，以("Sepal.Length", "Sepal.Width")为坐标轴，以聚类结果为点的颜色。注意：聚类时要去掉原数据中的分类信息(Species)。

打开R程序，读取”stocks.txt”文件的股指数据（首行作为列名），并选取其中的前10行写入”stocks10.csv”文件中，要求不保存行名。数据下载

简述人工神经网络的特点。

简述超大型数据集所采用的聚类分析方法。