满足最小支持度和最小置信度的关联规则叫（）。
强关联规则
举一反三
- 一个关联规则同时满足最小支持度和最小置信度，我们称之为（ ）
- 一个关联规则,如果它满足最小()的要求,那么我们就称之为强关联规则。 A: 置信度和提升度 B: 置信度和支持度 C: 支持度和提升度 D: 支持度或置信度
- 关联规则法的数据挖掘目的就是从源数据库中挖掘满足（）和（）的关联规则。（ ） A: 最小支持度，最大可行度 B: 最大支持度，最小可行度 C: 最大支持度，最大可信度 D: 最小支持度，最小可信度
- 发现关联规则的算法通常要经过以下三个步骤：连接数据,作数据准备;给定最小支持度和(),利用数据挖掘工具提供的算法发现关联规则;可视化显示、理解、评估关联规则 A: 最小兴趣度 B: 最小置信度 C: 最大支持度 D: 最小可信度
- 关联规则挖掘过程是发现满足最小支持度的所有项集代表的规则。
内容
- 0
数据库有 5 个事物。设最小支持度min_sup=60%，最小置信度min_conf=80% ，请你用Apriori算法计算关联规则。8c8e8b1c2d824fa745afaae1b17642d1.png
- 1
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
- 2
关联规则中支持度与置信度是成正比的，支持度越大置信度越大。
- 3
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
- 4
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