假定BigUniversity的數(shù)據(jù)倉庫包含如下4個維:student(student_name,area_id,major,status,university),course(course_name,department),semester(semester,year)和instructor(dept,rank);2個度量:count和avg_grade。在最低概念層,度量avg_grade存放學(xué)生的實際課程成績。在較高概念層,avg_grade存放給定組合的平均成績。
(1)由基本方體[student,course,semester,instructor]開始,為列出BigUniversity每個學(xué)生的CS課程的平均成績,應(yīng)當使用哪些特殊的OLAP操作。
(2)如果每維有5層(包括all),如“student
您可能感興趣的試卷
你可能感興趣的試題
最新試題
基于數(shù)據(jù)挖掘分析,開展業(yè)務(wù)質(zhì)量分析的分析與預(yù)判時,下列哪項說法是錯誤的()
關(guān)于ROC曲線和ROC統(tǒng)計量,正確的說法有()
分類分析的兩個階段分別為()。
數(shù)據(jù)挖掘系統(tǒng)可以根據(jù)什么標準進行分類()
關(guān)聯(lián)規(guī)則挖掘最為著名的是Agrawal等人提出的()及其改進算法。
客戶感知溯源分析結(jié)合網(wǎng)管、經(jīng)分數(shù)據(jù)等,建立貼近客戶使用體驗的感知評價。通過()核心算法從海量的客戶網(wǎng)絡(luò)行為樣本中識別異常點,并進行聚類分析,判斷異常屬于群體現(xiàn)象或個別現(xiàn)象。
如何進行數(shù)據(jù)清洗()
關(guān)于SOM聚類算法描述正確的是()
KDD和數(shù)據(jù)挖掘可以應(yīng)用在很多領(lǐng)域中,它們具有如下一些公共特征:()。
樸素貝葉斯分類器對()數(shù)據(jù)具有較好的分類效果。