由频繁项集产生的强关联规则必须满足( )。
最小置信度和最小相关度最小支持度
举一反三
- 关联分析一般分为两个步骤,分别为()。 A: 依据置信度,产生和选择候选集 B: 通过迭代找到数据库中的所有频繁项集 C: 利用频繁项集构造出满足用户最小置信度的关联规则 D: 利用提升度找到强关联规则
- ( )是关联规则发现算法的核心。 A: 设置最小支持度 B: 发现所有频繁项集 C: 找到所有的强规则 D: 发现一些频繁项集
- 设X={1,2,3}是频繁项集,则可由X产生( )个关联规则。
- 设L1={I1,I2,I3}是频繁项集,则可由L1产生__________个关联规则。
- 下列有关关联规则挖掘的说法正确的是( )。 A: 先验原理可以描述为:如果一个项集是频繁的,那么包含它的所有项集也是频繁的 B: 利用先验原理可以帮助减少频繁项集产生时需要探查的候选项集个数 C: 具有较高支持度的项集同时也具有较高的置信度 D: 关联规则挖掘是发现满足最小支持度的所有项集代表的规则
内容
- 0
下列有关关联规则挖掘的说法正确的是( )。 A: 先验原理可以描述为:如果一个项集是频繁的,那么包含它的所有项集也是频繁的 B: 利用先验原理可以帮助减少频繁项集产生时需要探查的候选项集个数 C: 具有较高支持度的项集同时也具有较高的置信度 D: 关联规则挖掘是发现满足最小支持度的所有项集代表的规则
- 1
下列对关联规则的描述中,不正确的是()。 A: 频繁项集的子集也一定是频繁的 B: 若一个项集是非频繁的,则它的超集有可能是频繁的 C: Apriori算法是关联规则的经典技术 D: 连接和剪枝是关联规则的两个常见步骤
- 2
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
- 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
一条强关联规则必须满足()。 A: 支持度高:足够频繁 B: 置信度高:足够有说服力 C: 前件后件交集为空 D: 前件和后件必须包含多个项