给定全局项集I和交易数据集D，对于I的非空项集I1，若其支持度（ ）最小支持度阈值min_sup，则称I1为频繁项集
A: 大于或等于
B: 等于
C: 大于
D: 小于或等于
A: 大于或等于
B: 等于
C: 大于
D: 小于或等于
A
举一反三
- 给定全局项集I和交易数据集D，对于I的非空项集I1，若其支持度（ ）最小支持度阈值min_sup，则称I1为频繁项集 A: 大于或等于 B: 大于 C: 等于 D: 小于或等于
- 给定全局项集I和交易数据集D，对于I的非空项集I1，若其支持度小于或等于最小支持度阈值，则称I1为频繁项集。（ ）
- 如果项集I的相对支持度满足预定义的最小支持度阈值,则I是频繁项集。
- 如果项集I的相对支持度满足预定义的(),则I是频繁项集。 A: 绝对支持度 B: 最小支持度阈值 C: 最小置信度阈值 D: 支持度计数
- 具体来讲，若一个项集X的支持度大于用户给定的一个最小支持度阈值， 则X被称为频繁项集（或频繁模式）。
内容
- 0
中国大学MOOC: 具体来讲，若一个项集X的支持度大于用户给定的一个最小支持度阈值， 则X被称为频繁项集（或频繁模式）。
- 1
下面关于频繁项集、最大频繁项集和频繁闭项集的说法中，哪一个不正确？ A: 对于同一个事务数据库和一样的支持度阈值，最大频繁项集集合必然是频繁闭项集集合的子集 B: 对于同一个事务数据库和一样的支持度阈值，频繁闭项集必然是频繁项集 C: 若{A,B}和{A,B,C}的支持度不相等，则{A,B,C}的支持度比{A,B}的小 D: 若{A,B}和{A,B,C}的支持度相等，则{A,B,D}可能是闭项集
- 2
12. 设最小支持度阈值为30%，最小置信度阈值为70%，如果一个项集的支持度为50%，则该项集是频繁项集。
- 3
CARMA算法对于栅格的任何项集v，可以得到前i个事务对项集v的支持度下限和支持度上限。支持度下限minSupport(v)=[maxMissed(v)+count(v)]/i支持度上限maxSupport(v)=count(v)/i
- 4
关联规则数据挖掘算法的基本步骤是： A: 先找出事物数据库中最长频繁项集，再利用最长频繁项集逐层迭代生成渐短频繁项集，直到1频繁集 B: 先找出事物数据库中所有大于平均支持度的项集，再在这些项集中找出所有大于平均置信度的项集 C: 先找出事物数据库中所有大于平均置信度的项集，再在这些项集中找出所有大于平均支持度的项集 D: 先找出事物数据库中所有频繁项集，再利用频繁项集生成所需要的关联规则