《2022年数据挖掘概念与技术课后题答案汇总.docx》由会员分享，可在线阅读，更多相关《2022年数据挖掘概念与技术课后题答案汇总.docx（19页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、精选学习资料 - - - - - - - - - 学而不思就惘,思而不学就殆数据挖掘概念概念与技术Data MiningConcepts and Techniques习题答案第 1 章 引言1.1 什么是数据挖掘？在你的回答中,针对以下问题：1.2 1.6 定义以下数据挖掘功能：特点化、区分、关联和相关分析、猜测聚 类和演化分析；使用你熟识的现实生活的数据库,给出每种数据挖掘功 能的例子；解答：特点化是一个目标类数据的一般特性或特性的汇总；例如,同学的特征 可被提出,形成全部高校的运算机科学专业一年级同学的轮廓,这些特征包括作为一种高的年级平均成果GPA：Grade point aversge
2、 的信息,仍有所修的课程的最大数量；区分是将目标类数据对象的一般特性与一个或多个对比类对象的一般 特性进行比较；例如,具有高 GPA 的同学的一般特性可被用来与具有 低 GPA 的一般特性比较；最终的描述可能是同学的一个一般可比较的 轮廓, 就像具有高 GPA 的同学的 75%是四年级运算机科学专业的同学,而具有低 GPA 的同学的 65%不是；关联是指发觉关联规章,这些规章表示一起频繁发生在给定数据集的特 征 值的 条 件； 例 如, 一 个数 据 挖掘 系 统可 能 发觉 的 关联 规 就为 ：majorX, “computing science” ownsX, “ personal co
3、mputer ” support=12%, confid ence=98% 其中, X 是一个表示同学的变量；这个规章指出正在学习的同学,12%（支持度）主修运算机科学并且拥有一台个人运算机；这个组一个学生 拥有一台个人电脑的概率是98%（置信度,或确定度）；分类与猜测不同,由于前者的作用是构造一系列能描述和区分数据类型 或概念的模型（或功能）,而后者是建立一个模型去猜测缺失的或无效 的、并且通常是数字的数据值；它们的相像性是他们都是预测的工具 ： 分类被用作猜测目标数据的类的标签,而猜测典型的应用是猜测缺失的 数字型数据的值；聚类分析的数据对象不考虑已知的类标号；对象依据最大花蕾内部的相 似
4、性、最小化类之间的相像性的原就进行聚类或分组；形成的每一簇可 以被看作一个对象类；聚类也便于分类法组织形式,将观测组织成类分 层结构,把类似的大事组织在一起；数据延边分析描述和模型化随时间变化的对象的规律或趋势,尽管这可,能包括时间相关数据的特点化、区分、 关联和相关分析、分类、或猜测这种分析的明确特点包括时间序列数据分析、序列或周期模式匹配、和基于相像性的数据分析1.3 1.9 列举并描述说明数据挖掘任务的五种原语；解答：名师归纳总结 用于指定数据挖掘任务的五种原语是：第 1 页,共 14 页- - - - - - -精选学习资料 - - - - - - - - - 学而不思就惘,思而不学就
5、殆任务相关数据：这种原语指明给定挖掘所处理的数据；它包括指明数据库、数据库表、或数据仓库,其中包括包含关系数据、挑选关系数据的条件、用于探究的关系数据的属性或维、关于修复的数据排序和分组；挖掘的数据类型：这种原语指明白所要执行的特定数据挖掘功能,如特征化、区分、关联、分类、聚类、或演化分析；同样,用户的要求可能更特别,并可能供应所发觉的模式必需匹配的模版；这些模版或超模式（也被称为超规章）能被用来指导发觉过程；背景学问：这种原语答应用户指定已有的关于挖掘领域的学问；这样的学问能被用来指导学问发觉过程,并且评估发觉的模式；关于数据中关系的概念分层和用户信念是背景学问的形式；模式爱好度度量：这种原
6、语答应用户指定功能,用于从学问中分割不感爱好的模式,并且被用来指导挖掘过程,也可评估发觉的模式；这样就答应用户限制在挖掘过程返回的不感爱好的模式的数量,由于一种数据挖掘系统可能产生大量的模式；爱好度测量能被指定为简易性、确定性 、适用性、和新奇性的特点；发觉模式的可视化：这种原语述及发觉的模式应当被显示出来；为了使数据挖掘能有效地将学问传给用户,数据挖掘系统应当能将发觉的各种形式的模式展现出来,正如规章、表格、饼或条形图、决策树、立方体或其它视觉的表示；1.4 1.13 描述以下数据挖掘系统与数据库或数据仓库集成方法的差别：不耦 合、松散耦合、 半紧耦合和紧密耦合；你认为哪种方法最流行,为什么
7、？解答：数据挖掘系统和数据库或数据仓库系统的集成的层次的差别如下；不耦合：数据挖掘系统用像平面文件这样的原始资料获得被挖掘的原始 数据集,由于没有数据库系统或数据仓库系统的任何功能被作为处理过 程的一部分执行；因此,这种构架是一种糟糕的设计；松散耦合：数据挖掘系统不与数据库或数据仓库集成,除了使用被挖掘 的初始数据集的源数据和储备挖掘结果；这样,这种构架能得到数据库 和数据仓库供应的敏捷、高效、和特点的优点；但是,在大量的数据集 中,由松散耦合得到高可测性和良好的性能是特别困难的,由于很多这 种系统是基于内存的；半紧密耦合：一些数据挖掘原语,如聚合、分类、或统计功能的估计算,可在数据库或数据仓
8、库系统有效的执行,以便数据挖掘系统在挖掘- 查询 过程的应用；另外,一些常常用到的中间挖掘结果能被估计算并储备到 数据库或数据仓库系统中,从而增强了数据挖掘系统的性能；紧密耦合：数据库或数据仓库系统被完全整合成数据挖掘系统的一部 份,并且因此供应了优化的数据查询处理；这样的话,数据挖掘子系统 被视为一个信息系统的功能组件；这是一中高度期望的结构,由于它有 利于数据挖掘功能、高系统性能和集成信息处理环境的有效实现；名师归纳总结 - - - - - - -第 2 页,共 14 页精选学习资料 - - - - - - - - - 学而不思就惘,思而不学就殆从以上供应的体系结构的描述看,紧密耦合是最优
9、的,没有值得顾虑的技术 和执行问题；但紧密耦合系统所需的大量技术基础结构仍旧在进展变化,其实现 并非易事；因此,目前最流行的体系结构仍是半紧密耦合,由于它是松散耦合和 紧密耦合的折中；1.5 1.14 描述关于数据挖掘方法和用户交互问题的三个数据挖掘挑战；第 2 章 数据预处理2.1 2.2 假设给定的数据集的值已经分组为区间；区间和对应的频率如下；年龄 频率15 200515 4501520 3002050 15005080 70080110 44运算数据的近似中位数值；解答：先判定中位数区间：N=200+450+300+1500+700+44=3194；N/2=1597 200+450+3
10、00=95015972450=950+1500； 2050 对应中位数区间；我们有： L 1=20 ,N=3197 ,freq l=950,freqmedian=1500 ,width =30 ,使用公式（ 2.3）：median L1 N / 2 freq l width 20 3197 / 2 950 30 32.97freq median 1500 median=32.97 岁；age；数据元组的age 值（以递增序）2.2 2.4 假定用于分析的数据包含属性是： 13,15,16,16 ,19,20,20,21,22,22, 25,25,25, 25,30,33,33,35, 35,3
11、5,35, 36,40,45,46,52,70；a 该数据的均值是什么？中位数是什么？b 该数据的众数是什么？争论数据的峰（即双峰、三峰等）；c 数据的中列数是什么？d 你能（粗略地） 找出数据的第一个四分位数（Q1）和第三个四分位数（Q3）吗？e 给出数据的五数概括；f 画出数据的盒图；g 分位数分位数图与分位数图的不同之处是什么？解答：a 该数据的均值是什么？中位数是什么？均值是：x 1 iNx i 809 / 27 29.96 30 （公式2.1 ）；中位数应是第14N 1 个,即 x14=25= Q2；b 该数据的众数是什么？争论数据的峰（即双峰、三峰等）； 这个数集的众数有两个： 2
12、5 和 35,发生在同样最高的频率处,因此是双峰名师归纳总结 - - - - - - -第 3 页,共 14 页精选学习资料 - - - - - - - - - 学而不思就惘,思而不学就殆众数；c 数据的中列数是什么？数据的中列数是最大术和最小是的均值；即：midrange =70+13/2=41.5 ；d 你能（粗略地） 找出数据的第一个四分位数（Q1）和第三个四分位数（ Q3）吗？数据集的第一个四分位数应发生在25% 处,即在 N+1/4=7 处；所以：Q1=20；而第三个四分位数应发生在75%处,即在3 N+1/4=21 处；所以： Q 3=35e 给出数据的五数概括；一个数据集的分布的
13、 5 数概括由最小值、第一个四分位数、中位数、 第三个四分位数、 和最大值构成；它给出了分布外形良好的汇总,并且这些数据是：13、20、25、35、70；f 画出数据的盒略；g 分位数分位数图与分位数图的不同之处是什么？分位数图是一种用来展现数据值低于或等于在一个单变量分布中独立的变量的粗略百分比；这样, 他可以展现全部数的分位数信息,而为独立变量测得的值（纵轴）相对于它们的分位数（横轴）被描画出来；但分位数分位数图用纵轴表示一种单变量分布的分位数,用横轴表示另一单变量分布的分位数；两个坐标轴显示它们的测量值相应分布的值域,且点依据两种分布分位数值展现；一条线（y=x ）可画到图中,以增加图像
14、的信息；落在该线以上的点表示在 y 轴上显示的值的分布比 x 轴的相应的等同分位数对应的值的分布高；反之,对落在该线以下的点就低；2.3 2.7 使用习题2.4 给出的 age 数据回答以下问题：3；说明你的步骤；a 使用分箱均值光滑对以上数据进行光滑,箱的深度为评述对于给定的数据,该技术的成效；b 如何确定数据中的离群点？c 对于数据光滑,仍有哪些其他方法？解答：a 使用分箱均值光滑对以上数据进行光滑,箱的深度为3；说明你的步骤；评述对于给定的数据,该技术的成效；用箱深度为 3 的分箱均值光滑对以上数据进行光滑需要以下步骤：步骤 1：对数据排序； （由于数据已被排序,所以此时不需要该步骤；）
15、步骤 2：将数据划分到大小为 3 的等频箱中；箱 1：13,15,16 箱 2：16 ,19,20 箱 3：20,21,22 箱 4：22,25,25 箱 5：25 ,25,30 箱 6：33,33,35 箱 7：35,35,35 箱 8：36,40,45 箱 9：46,52,70 步骤 3：运算每个等频箱的算数均值；步骤 4：用各箱运算出的算数均值替换每箱中的每个值；箱 1：44/3, 44/3 ,44/3 箱 2：55/3 ,55/3,55/3 箱 3：21,21, 21 箱 4：24,24,24 箱 5：80/3,80/3,80/3 箱 6：101/3,101/3 ,101/3箱 7：3
16、5,35,35 箱 8：121/3,121/3 , 121/3 箱 9：56,56,56 b 如何确定数据中的离群点？聚类的方法可用来将相像的点分成组或“ 簇”,并检测离群点；落到簇的集名师归纳总结 外的值可以被视为离群点；作为挑选,一种人机结合的检测可被采纳,而运算机第 4 页,共 14 页用一种事先打算的数据分布来区分可能的离群点；这些可能的离群点能被用人工- - - - - - -精选学习资料 - - - - - - - - - 学而不思就惘,思而不学就殆轻松的检验,而不必检查整个数据集；c 对于数据光滑,仍有哪些其他方法？其它可用来数据光滑的方法包括别的分箱光滑方法,如中位数光滑和箱边
17、界 光滑；作为挑选,等宽箱可被用来执行任何分箱方式,其中每个箱中的数据范畴 均是常量；除了分箱方法外,可以使用回来技术拟合成函数来光滑数据,如通过 线性或多线性回来；分类技术也能被用来对概念分层,这是通过将低级概念上卷 到高级概念来光滑数据；2.4 2.10 如下规范化方法的值域是什么？a min-max 规范化；b z-score 规范化；c 小数定标规范化；解答：a min-max 规范化；值域是new_min, new_max ； b z-score 规范化；值域是 old _min mean/ ,old_max mean/ ,总的来说,对于全部可能的数据集的值域是 , +；c 小数定标
18、规范化；值域是 1.0, 1.0 ；2.5 2.12 使用习题 2.4 给出的 age 数据,回答以下问题：a 使用 min-max 规范化将 age 值 35 变换到 0.0 , 1.0区间；b 使用 z-score 规范化变换 age 值 35,其中 age 的标准差为 12.94 岁；c 使用小数定标规范化变换 age 值 35；d 对于给定的数据,你情愿使用哪种方法？陈述你的理由；解答：a 使用 min-max 规范化将 age 值 35 变换到 0.0 , 1.0区间； min A=13 , max A=70, new _min A=0.0, new _max A=1.0,而 v=3
19、5 ,v min Av new _ max A new _ min A new _ min Amax A min A35 13 1.0 0.0 0.0 0.386070 13b 使用 z-score 规范化变换 age 值 35,其中 age 的标准差为 12.94 岁；13 15 2 16 19 2 20 21 2 22 4 25A 2730 2 33 4 35 36 40 45 46 52 7027 809 27 29 .963N 名师归纳总结 2 Ai 1 Ai A 161.2949 , A A 2 12.7002 N第 5 页,共 14 页NA或 N 2 s Ai A i1 - - -
20、 - - - -精选学习资料 - - - - - - - - - 学而不思就惘,思而不学就殆 167 .4986 ,2 s AsA 12.9421 v=35v A 35 29.963 5.037 v 0.3966 0.400 A 12.7002 12.7002 或 v s v A 35 29.963 5.037 0.3892 0.39sA 12.9421 12.9421 c 使用小数定标规范化变换 age 值 35；由于最大的肯定值为 70,所以 j=2 ； v vj 352 0.35 10 10 d 对于给定的数据,你情愿使用哪种方法？陈述你的理由；略；2.6 2.14 假设 12 个销售价
21、格记录组已经排序如下：5,10,11,13,15,35,50,55,72,92,204,215；使用如下每种方法将其划分成三个箱；a 等频（等深）划分；b 等宽划分；c 聚类；解答：a 等频（等深）划分；bin1 5,10,11,13bin1 15,35,50,55b 等宽划分；bin1 72,91,204,215 每个区间的宽度是：215-5/3=70bin1 5,10,11,13,15,35,50,55,72bin1 91bin1 204,215c 聚类；名师归纳总结 我们可以使用一种简洁的聚类技术：用2 个最大的间隙将数据分成3 个箱；第 6 页,共 14 页bin15,10,11,13
22、,15bin135,50,55,72,91bin1204,2152.7 2.15 使用习题2.4 给出的 age 数据,a 画出一个等宽为10 的等宽直方图；b 为如下每种抽样技术勾画例子：SRSWOR ,SRSWR ,聚类抽样,分层抽样；使用大小为5 的样本和层“ 青年”,“ 中年” 和“ 老年”；解答： a 画出一个等宽为10 的等宽直方图；- - - - - - -精选学习资料 - - - - - - - - - 学而不思就惘,思而不学就殆87654321015 25 35 45 55 65抽b 为如下每种抽样技术勾画例子：SRSWOR,SRSWR ,聚类抽样,分层样；使用大小为5 的样
23、本和层“ 青年”,“ 中年” 和“ 老年”；元组：T1 13 T10 22 T19 35T 2 15 T 11 25 T 20 35T3 16 T12 25 T21 35T4 16 T13 25 T22 36T5 19 T14 25 T23 40T6 20 T15 30 T24 45T7 20 T16 33 T25 46T8 21 T17 33 T26 52T9 22 T18 35 T27 70SRSWOR 和 SRSWR：不是同次的随机抽样结果可以不同,但前者因无放回所以不能有相同的元组；名师归纳总结 SRSWORn=5SRSWRn=5Sample6第 7 页,共 14 页T416T720T
24、620T720T1022T2035T1125T2135T2652T2546聚类抽样：设起始聚类共有6 类,可抽其中的m 类；Sample1Sample2Sample3Sample4Sample5T 113T620T 1125T 1633T 2135T2652T215T720T1225T1733T2236T2770T316T821T1325T1835T2340T416T922T1425T1935T2445T519T1022T1530T2035T2546- - - - - - -精选学习资料 - - - - - - - - - 学而不思就惘,思而不学就殆Sample2 Sample5 T620T2
25、135T720T2236T821T2340T922T2445T 1022T 2546分层抽样：依据年龄分层抽样时,不同的随机试验结果不同；T113youngT1022youngT1935middle ageT215youngT1125youngT2035middle ageT316youngT1225youngT2135middle ageT416youngT1325youngT2236middle ageT519youngT1425youngT2340middle ageT620youngT 1530middle ageT 2445middle ageT 720youngT 1633midd
26、le ageT 2546middle ageT821youngT1733middle ageT2652middle ageT922youngT1835middle ageT2770seniorT416youngT1225youngT1733middle ageT 2546middle ageT2770Senio r2.8 55555555555555555555555555 名师归纳总结 - - - - - - -第 8 页,共 14 页精选学习资料 - - - - - - - - - 学而不思就惘,思而不学就殆3.1 3.4 假定 BigUniversity 的数据仓库包含如下4 个维：st
27、udentstudent_name,area_id , major, status, university ,coursecourse_name, department ,semestersemester, year 和 instructordept, rank ； 2 个度量： count 和 avg_grade；在最低概念层,度量avg_grade 存放同学的实际课程成果；在较高概念层,avg_grade 存放给定组合的平均成果；a 为该数据仓库画出雪花形模式图；b 由 基 本 方 体 student, course, semester, instructor 开 始 , 为 列 出Big
28、University 每个同学的CS 课程的平均成果,应当使用哪些特别的OLAP 操作；c 假如每维有5 层（包括all ）,如“studentmajorstatusuniversityall ” ,该立方体包含多少方体？解答：a 为该数据仓库画出雪花形模式图；雪花模式如下列图；b 由 基 本 方 体 student, course, semester, instructor 开 始 , 为 列 出BigUniversity 每个同学的 CS 课程的平均成果,应当使用哪些特别的OLAP 操作；这些特别的联机分析处理（OLAP ）操作有：i. 沿课程（ course）维从 course_id “
29、 上卷” 到 department ；ii. 沿同学（ student）维从 student_id “ 上卷” 到 university ；iii. 取 department= “CS ”和 university= “Big University ” ,沿课程（course）维和同学（student）维切片；iv. 沿同学（ student）维从 university 下钻到 student_name ；c 假如每维有 5 层（包括 all ）,如“ studentmajorstatusuniversityall ”,该立方体包含多少方体？名师归纳总结 这个立方体将包含54=625 个方体；第
30、 9 页,共 14 页- - - - - - -course学而不思就惘,思而不学就殆 精选学习资料 student- - - - - - - - - univ维表事实表维表course_id student_idstudent_idcourse_namecourse_idstudent namedepartmentsemester_idarea_idsemesterinstructor_idmajorcountstatus维表avg_gradeuniversitysemester_id semester year instructor 维表 Instructor_id dept rankar
31、ea 维表area_id city province country题 3.4 图 题 3.4 中数据仓库的雪花形模式第四章4.1 2022-11-29 4.2 有几种典型的立方体运算方法,4.3 题 4.12 考虑下面的多特点立方体查询：按 item ,regio n,month 的所有 子集分组,对每组找出 2004 年的最小货架寿命,并对价格低于 100 美元、货架 寿命在最小货架寿命的 1.251.5 倍之间的元组找出总销售额部分；d 画出该查询的多特点立方体图；e 用扩充的 SQL 表示该查询；f 这是一个分布式多特点立方体吗？为什么？解答：a 画出该查询的多特点立方体图；R 0R1
32、 1.25*minshelfand 1.5*minshelf b 用扩充的 SQL 表示该查询；select item, region, month, Minshelf, SUMR1 from Purchase where year=2004 cube by item, region, month: R1 such that R1.shelf 1.25*MINShelf and R1.Shelf 1.5*MINShelf and R1.Price100 名师归纳总结 - - - - - - -第 10 页,共 14 页精选学习资料 - - - - - - - - - 学而不思就惘,思而不学就殆
33、c 这是一个分布式多特点立方体吗？为什么？这不是一个分布多特点立方体,由于在“such that” 语句中采纳了“ ” 条件；4.4 2022-11-29 第五章4.5 2022-11-29 5.1 Aprio ri 算法使用子集支持度性质的先验学问；5.2 5.2.2 节介绍了由频繁项集产生关联规章的方法；提出了一个更有效的方 法；说明它为什么比 5.2.2 节的方法更有效；（提示：考虑将习题 5.1b 和习题5.1c 的性质结合到你的设计中；）5.3 数据库有 5 个事物；设 min_sup=60% ,min_conf=80 ； TID 购买的商品T100 M, O, N, K, E, Y
34、 T200 D, O, N, K, E, Y T300 M, A, K, E T400 M, U, C, K, Y T500 C, O, O, K, I, Eg 分别使用 Aprio ri 和 FP 增长算法找出全部的频繁项集；比较两种挖掘过程的效率；h 列举全部与下面的的元规章匹配的强关联规章（给出支持度 s 和置 信度 c）,其中,X 是代表顾客的变量,item 是表示项的变量（如“ A ”、“ B”等）：x transaction, buysX, item 1buysX, item 2 buysX, item 3 s, c解答：a 分别使用 Aprio ri 和 FP 增长算法找出全部的
35、频繁项集；比较两种挖掘过 程的效率；名师归纳总结 Aprio ri 算法：由于只有5 次购买大事,所以肯定支持度是5min_sup=3 ；第 11 页,共 14 页- - - - - - -C1 M 3L1 M 3C2 学而不思就惘,思而不学就殆 精选学习资料 3C3 OKE 3- - - - - - - - - MO 1 O3 MK 3 2N ME 2 L2 MK K 5 MY2 4E O3 OK 3 OK 3 Y3K 5OE 3OE 3 KEY 2 D 1E4 KE 4 OY 2 A 1Y 3KY 3 KE4 U 1KY3 C 2EY2 I 1 L 3 OKE 3L1；再按支持度FP-gr
36、owth ：数据库的第一次扫描与Aprio ri 算法相同,得到计数的递减序排序,得到：L=K:5, E:4, M:3, O:3, Y:3；扫描没个事务,按以上L 的排序,从根节点开头,得到FP-树；RootK:5O:1M:2E:4O:2 M:1Y:1Y:1Y:1 题 5.3 图 FP 增长算法项 条件模式基 条件 FP 树 产生的频繁模式Y K,E,M,O:1 , K,E,O:1, K,M:1 K:3 K,Y:3O K,E,M:1 , K,E:2 K:3 , E:3 K,O:3, E,O:3, K,E,O:3M K,E:2 , K:1 K:3 K,M:3E K:4 K:4 K,E:4效率比较
37、： Aprio ri 算法的运算过程必需对数据库作多次扫描,而 FP-增长算 法在构造过程中只需扫描一次数据库,再加上初始时为确定支持度递减排序 的一次扫描,共计只需两次扫描；由于在 Aprio ri 算法中的自身连接过程产 生候选项集,候选项集产生的运算代价特别高,而 FP-增长算法不需产生任 何候选项；b 列举全部与下面的的元规章匹配的强关联规章（给出支持度 s 和置信度c）,其中, X 是代表顾客的变量,item 是表示项的变量（如“A” 、“ B ”等）：x transaction, buysX, “ K ” buysX, “ O” x transaction, buysX, “ E”
38、 buysX, “ E” 或也可表示为buysX, “ E” s=0.6, c=1 buysX, “ K” s=0.6, c=1 K,O Essupport=0.6 或 60%,cconfid ence=1 或 100% 名师归纳总结 - - - - - - -第 12 页,共 14 页精选学习资料 - - - - - - - - - 学而不思就惘,思而不学就殆E,OKssupport=0.6 或 60%,cconfid ence=1 或 100%5.4 （实现项目） 使用你熟识的程序设计语言（如C+ 或 Java）,实现本章介绍的三种频繁项集挖掘算法：第 6 章 分类和猜测 6.1 简述决策
39、树分类的主要步骤；6.2 6.11 下表由雇员数据库的训练数据组成；数据已泛化；例如,age “ 3135” 表示年龄在 3135 之间；对于给定的行,count 表示 department,status,ag e 和 salary 在该行具有给定值的元组数；department status age salary countsales senior 31 35 46K 50K 30sales junior 26 30 26K 30K 40sales junior 31 35 31K 35K 40systems junior 21 25 46K 50K 20systems senio r 31 35 66K 70K 5systems junior 26 30 46K 50K 3systems senio r 41 45 66K 70K 3marketing senior 36 40 46K 50K 10marketing junior 31 35 41K 45K 4secretary senior 46 50 36K 40K 4secretary junior 26 30 26K 30K 6i 如何修改基本决策树算法,以便考虑每个广义数据元组（即每一行）的 count ？