（填空题）
在多维关联规则挖掘中，我们搜索的不是频繁项集，而是（）
正确答案
答案解析
略
相似试题
（简答题）
简述在多层关联规则挖掘中，在不同的层使用一致的支持度的优缺点。
（填空题）
关联规则挖掘中，两个主要的兴趣度度量是：（）和（）
（填空题）
大型数据库中的关联规则挖掘包含两个过程（）和（）
（简答题）
关联规则的分类有哪些？关联规则挖掘的步骤包括什么？
（判断题）
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。
（单选题）
设X={1，2，3}是频繁项集，则可由X产生（）个关联规则。
（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）
列举关联规则在不同领域中应用的实例。
（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？
