该答案为重庆大学计算机学院Jack Channy所作，由于本人水平有限，难免有错误和不当之处，如有意见请评论或者发邮件至majiecqu@126.com。
3.1 数据质量可以从多方面评估，包括准确性、完整性、一致性问题…… 准确性：对于一些需要进行精准营销的商品，比如蛋糕店的生日蛋糕、孕妇必备物品等，以上这些商品则需要数据的准确性。 完整性：如果要对某宝、某东或者某宁的买家信息进行一个数据挖掘，从而用来营销其他东西，比如要对地址进行挖掘，此时详细、完整的地址数据则是一个必备的特性。 一致性问题：由于某些不可抗因素而导致的数据不一致，比如技术问题，在并发量大的情况下，记录数据时出现问题；或者某些数据值是一样的，然而在不同的数据库中其命名却不一样；这些不一致性问题在数据挖掘时则会影响挖掘的结果。 数据质量的其他两个尺度：时效性和可信性。
3.2 在现实世界的数据中，某些属性…… 解决缺失值有如下方法：
忽略该元组；人工填写缺失值；使用一个全局常量填充缺失值；使用属性的中心度量（如均值或中位数）填充缺失值；使用与给定元组属同一类的所有样本的属性均值或者中位数；使用回归、贝叶斯方法或者决策树与对缺失值进行预测。3.3 在习题2.2中，属性age包括如下值……
(a) 使用深度为3的箱，用箱均值光滑以上数据。说明你的步骤，讨论这种技术对给定数据的效果。 首先将以上数据划分为深度为3的箱：（13，15，16，16，19，20，20，21，22），（22，25，25，25，25，30，33，33，35），（35，35，35，36，40，45，46，52，70）；其次，用箱均值光滑：（18，18，18，18，18，18，18，18，18）， （28，28，28，28，28，28，28，28，28）， （43.7，43.7，43.7，43.7，43.7，43.7，43.7，43.7，43.7）。对于给定数据，该方法虽然在一定程度上光滑了噪声数据，但是由于箱深度太小，将数据的分布特征也抹去了。
(b) 如何确定该数据中的离群点？ 可以将以上数据看作到0点的距离，然后通过聚类方法识别以上数据中的离群点。
(c) 还有什么其他方法可以用来光滑数据 可以用回归、聚类等来检测离群点。
3.4 讨论数据集成需要考虑的问题。 在数据集成时，需要考虑诸如实体识别、数据冗余、以及元组的重复等问题。
3.5 如下规范化方法的值域是什么？
最小最大规范化。 [new_minA,new_maxA]
z 分数规范化。 [vmin−A¯σA,vmax−A¯σA]
z 分数规范化，使用绝对偏差而不是标准差。 [vmin−A¯sA,vmax−A¯sA]
小数定标规范化 [−1，1]
3.6 使用如下方法规范化如下数据组：
200,300,400,600,1000令 min=0,max=1 ,最小最大规范化； v′i=vi−minAmaxA−minA(new_maxA−new_minA)+new_minA规范化后为0,0.125,0.5,0.75,1 。
z 分数规范化； v′i=vi−A¯σA,A¯¯¯=500,σA=282.8,规范化后为 −1.06,−0.71,−0.35,0.35,1.77 。
z 分数规范化，使用均值绝对值偏差而不是标准差。 v′i=vi−A¯sA,A¯¯¯=500,sA=240,规范化后为 −1.25,−0.83,−0.42,0.42,2.08 。
小数定标规范化。 v′i=vi10j, 规范化后为 0.2,0.3,0.4,0.6,0.1。
3.7 使用习题3.3中给出的age数据，回答以下问题：
使用最小最大规范化将age值35变换到[0.0,1.0]区间。 0.386
使用 z 分数规范化，变换age，其中标准差为12.94。 0.386
使用小数定标规范化变换35。 0.35
指出给定数据，你愿意使用哪种方法。陈述你的理由。 对于大量数据的情况下，可能不容易找到其最大值和最小值，或者对于求其最大值和最小值比较费时，此时我更倾向于 z 分数规范化。应该会根据具体数据去选择，观察它的分布特性，进而去选择规范化方法。
3.8 使用习题2.4中给出的age和
