（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？ 
按照属性A划分样本集分别得到的两个子集（A取值T和A取值F）的信息熵分别为：
按照属性B划分样本集分别得到的两个子集（B取值T和B取值F）的信息熵分别为：
因此，决策树归纳算法将会选择属性A。
（2）
划分前的Gini值为G=1-0.42-0.62=0.48
按照属性A划分时Gini指标：
因此，决策树归纳算法将会选择属性B。
（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？
正确答案
按照属性A和B划分时，数据集可分为如下两种情况：
按照属性A划分样本集分别得到的两个子集（A取值T和A取值F）的信息熵分别为：
按照属性B划分样本集分别得到的两个子集（B取值T和B取值F）的信息熵分别为：
因此，决策树归纳算法将会选择属性A。
（2）
划分前的Gini值为G=1-0.42-0.62=0.48
按照属性A划分时Gini指标：
因此，决策树归纳算法将会选择属性B。
按照属性A划分样本集分别得到的两个子集（A取值T和A取值F）的信息熵分别为：
按照属性B划分样本集分别得到的两个子集（B取值T和B取值F）的信息熵分别为：
因此，决策树归纳算法将会选择属性A。
（2）
划分前的Gini值为G=1-0.42-0.62=0.48
按照属性A划分时Gini指标：
因此，决策树归纳算法将会选择属性B。
答案解析
略
相似试题
（简答题）
考虑下表数据集，请完成以下问题： （1）估计条件概率。 （2）根据（1）中的条件概率，使用朴素贝叶斯方法预测测试样本（A=0，B=1，C=0）的类标号； （3）使用Laplace估计方法，其中p=1/2，l=4，估计条件概率。 （4）同（2），使用（3）中的条件概率。 （5）比较估计概率的两种方法，哪一种更好，为什么？
（填空题）
分类器设计阶段包含三个过程：划分数据集、分类器构造和（）
（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）
数据聚合需要考虑的问题有哪些？
（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。
（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？
（多选题）
下面属于数据集的一般特性的有：（）。
（填空题）
数据集分为三类：（）。
（简答题）
考虑如下的频繁3-项集：{1，2，3}，{1，2，4}，{1，2，5}，{1，3，4}，{1，3，5}，{2，3，4}，{2，3，5}，{3，4，5}。 （a）根据Apriori算法的候选项集生成方法，写出利用频繁3-项集生成的所有候选4-项集。 （b）写出经过剪枝后的所有候选4-项集。
