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
A: 啤酒、尿布
B: 啤酒、面包
C: 面包、尿布
D: 啤酒、牛奶
B,D
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,在候选2-项集中需要剪枝的是____[br][/br]ID 项集
- 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
- 智慧职教: 下面购物篮能够提取的3-项集的最大数量是多少( ) ID 购买项 1 牛奶,啤酒,尿布 2 面包,黄油,牛奶 3 牛奶,尿布,饼干 4 面包,黄油,饼干 5 啤酒,饼干,尿布 6 牛奶,尿布,面包,黄油 7 面包,黄油,尿布 8 啤酒,尿布 9 牛奶,尿布,面包,黄油 10 啤酒,饼干
- 在啤酒与尿布的案例中,运用Apriori算法的主要目的是得出( )。 A: 频繁项集 B: 强关联规则 C: 最小支持度 D: 最小置信度
- Apriori算法生成频繁项集的过程中,不包括如下哪项? A: 剪枝 B: 支持度计数 C: 连接 D: 置信度计算
内容
- 0
Apriori算法挖掘频繁项集的过程主要包含()。 A: 连接 B: 剪枝 C: k-项集 D: k-1频繁项集
- 1
Apriori算法的核心是 A: 通过连接产生候选项与其支持度,然后通过剪枝生成频繁项集。 B: 提出不产生候选项与其支持度的方法。 C: 采用垂直数据表示形式 D: 不产成候选频繁项集的方法。
- 2
在Apriori算法中,在得到频繁的k-1项集之后,通过以下哪种连接方法,生成k-项集候选 A: 所有的k-项集都看做可能的候选集 B: 通过频繁的k-1项集和频繁的1项集连接生成频繁的k-项集候选 C: 通过合并一对频繁的k-1项集生成频繁的k项集候选 D: 以上都不是
- 3
关于关联规则,正确的是:( )。 A: 关联规则挖掘的算法主要有: Apriori和FP-Growth B: 一个项集满足最小支持度,我们称之为频繁项集 C: 啤酒与尿布的故事是聚类分析的典型实例 D: 支持度是衡量关联规则重要性的一个指标
- 4
关于关联规则,正确的是:( )。 A: 关联规则挖掘的算法主要有: Apriori和FP-Growth B: 一个项集满足最小支持度,我们称之为频繁项集 C: 啤酒与尿布的故事是聚类分析的典型实例 D: 支持度是衡量关联规则重要性的一个指标