购物篮分析是频繁项集挖掘的典型实例。（ ）
A: 正确
B: 错误
A: 正确
B: 错误
A
举一反三
内容
- 0
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
- 1
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
- 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
下列挖掘频繁项集的算法中,效率最高的是
- 4
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