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。
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。
举一反三
- 中国大学MOOC: 有关Apriori算法和FP-增长算法,正确的说法有哪些?
- 下列有关Apriori算法的说法中不正确的是() A: Apriori算法是关联分析中最常用的算法之一 B: 应用Apriori算法时,需要先设定模型的最小支持度、最小置信度等阈值 C: 应用Apriori算法时,输入的数据可以是连续型数据也可以是离散型数据 D: Apriori算法扫描数据库的次数依赖于最大频繁项集中项的数量
- 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;
- 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
- Apriori算法是一种典型的关联规则挖掘算法。