（a）分别用Apriori算法和FP-growth算法找出所有频繁项集。比较两种挖掘方法的效率。 （b）比较穷举法和Apriori算法生成的候选项集的数量。 （c）利用（1）所找出的频繁项集，生成所有的强关联规则和对应的支持度和置信度。 （a）频繁1-项集：M，O，K，E，Y
频繁2-项集：{M，K}，{O，K}，{O，E}，{K，Y}，{K，E}
频繁3-项集：{O，K，E}
（b）穷举法：M=2k-1=211-1=2047
Apriori算法：23
（c）{O，K}—>{E}，支持度0.6，置信度1
{O，E}—>{k}，支持度0.6，置信度1
（简答题）
一个数据库有5个事务，如表所示。设min_sup=60%，min_conf=80%。 
（a）分别用Apriori算法和FP-growth算法找出所有频繁项集。比较两种挖掘方法的效率。 （b）比较穷举法和Apriori算法生成的候选项集的数量。 （c）利用（1）所找出的频繁项集，生成所有的强关联规则和对应的支持度和置信度。
正确答案
答案解析
略
相似试题
（简答题）
数据集如下表所示： （a）把每一个事务作为一个购物篮，计算项集{e}，{b，d}和{b，d，e}的支持度。 （b）利用（a）中结果计算关联规则{b，d}→{e}和{e}→{b，d}的置信度。置信度是一个对称的度量吗？ （c）把每一个用户购买的所有商品作为一个购物篮，计算项集{e}，{b，d}和{b，d，e}的支持度。 （d）利用（b）中结果计算关联规则{b，d}→{e}和 {e}→{b，d}的置信度。置信度是一个对称的度量吗？
（简答题）
下表所示的相依表汇总了超级市场的事务数据。其中hot dogs指包含热狗的事务，指不包含热狗的事务。hamburgers指包含汉堡的事务，指不包含汉堡的事务。 假设挖掘出的关联规则是“hot dogs=>hamburgers”。给定最小支持度阈值25%和最小置信度阈值50%，这个关联规则是强规则吗？ 计算关联规则“hot dogs=>hamburgers”的提升度，能够说明什么问题？购买热狗和购买汉堡是独立的吗？如果不是，两者间存在哪种相关关系？
（简答题）
数据仓库发展演变的5个阶段是什么？
（简答题）
考虑下表所示二元分类问题的数据集。 （1）计算按照属性A和B划分时的信息增益。决策树归纳算法将会选择哪个属性？ （2）计算按照属性A和B划分时Gini系数。决策树归纳算法将会选择哪个属性？
（填空题）
数据处理通常分成两大类：联机事务处理和（）
（填空题）
数据仓库的概念模型通常采用信息包图法来进行设计，要求将其5个组成部分（）全面地描述出来。
（填空题）
从应用的角度看，数据仓库的发展演变可以归纳为5个阶段：以报表为主、（）、以预测模型为主、以运营导向为主和以实时数据仓库和自动决策为主。
（简答题）
数据挖掘技术对聚类分析的要求有哪几个方面？
（单选题）
设X={1，2，3}是频繁项集，则可由X产生（）个关联规则。
