Apriori 算法的计算复杂度受（ ）影响。
举一反三
- 利用Apriori 算法计算频繁项集可以有效降低计算频繁集的时间复杂度。在以下的购物篮中产生支持度不小于3的候选3-项集
- 请根据Apriori算法回答以下问题 利用Apriori算法计算频繁项集可以有效降低计算频繁集的时间复杂度。在以下的购物篮中产生支持度不小于3的候选3-项集，在候选2-项集中需要剪枝的是（） A: 啤酒、尿布 B: 啤酒、面包 C: 面包、尿布 D: 啤酒、牛奶
- 有关Apriori算法和FP-增长算法，正确的说法有哪些？ A: 对于同样的样本集和算法参数（支持度和置信度等），Apriori算法的速度一般要慢于FP增长算法。 B: 对于同一个样本集，Apriori算法和FP增长算法的结果是相同的。 C: Apriori算法发现的关联规则要比FP增长算法多，因为前者扫描的次数多。 D: 对于Apriori算法和FP增长算法，随着最小支持度的提高（最小置信度不变），得到的关联规则数会增加。
- 下列关于Apriori算法的表述中错误的是（ ）。 A: Apriori算法的优点是运行速度快 B: Apriori算法基于支持度的剪枝技术，用来控制候选项集的指数增长 C: Apriori算法可能需要大量候选项集 D: Apriori算法可能需要重复地扫描整个数据库，通过模式匹配检查一个很大的候选集合
- 下列关于Apriori算法的分析中,错误的是( ) A: Apriori算法基于支持度的剪枝技术,用来控制候选项集的指数增长; B: Apriori算法包括候选集生成和向下封闭检测两个阶段; C: Apriori算法会扫描数据库2次; D: Apriori算法使用逐层搜索的迭代方法;