已知置信度为60%，支持度为60%，分别用Apriori算法和FP-Growth算出所有的频繁项集。 1 项 2 {A、B、C、D} 3 {B、C、D} 4 {A、B、C、E} 5 {B、D、E} 6 {A、B、C、D}
举一反三
- 下列是Apriori算法生成频繁项集主要步骤，对其进行排序正确的是（ ）（1）扫描交易记录来查看哪些项集满足最小支持度要求，那些不满足最小支持度的项集会被去掉。（2）接下来重新扫描交易记录，去掉不满足最小支持度的2-项集。 （3）接下来重新扫描交易记录，去掉不满足最小支持度的项集，重复进行直到所有项集都被去掉。（4）首先会生成所有单个物品的项集列表 。（5）对剩下的1-频繁项集进行组合并生成包含两个元素的项集 。（6）对剩下的2-频繁项集进行组合并生成包含三个元素的项集 。 A: （4）（5）（2）（6）（3） B: （1）（2）（3）（4）（5）（6） C: （4）（1）（5）（2）（6）（3） D: （4）（5）（1）（2）（6）（3）
- 已知a={a, b, d）是满足最小支持度的频繁项集，若不考虑置信度，由c（可产生关 联规则的数量为（）。 A: 3 B: 4 C: 5 D: 6
- 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
- Apriori 算法的理论依据 Apriori性质是： A: 事物A和事物B的置信度必小于包含A和B的事物数的置信度 B: 事物A和事物B的支持度必小于包含A和B的事物数的支持度 C: 包含A的频繁项集的所有非空子集也必须是频繁的 D: 包含A的频繁项集的所有超集也必须是频繁的
- 假设一组数据为{a,b},{a,e},{b,c},{b,c,d},那么项集{d,c}的支持度为 A: 1/4 B: 1/2 C: 1/3 D: 2/3