试题详情
- 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。
关注下方微信公众号,在线模考后查看

热门试题
- 在现实世界的数据中,元组在某些属性上缺少
- 熵是为消除不确定性所需要获得的信息量,投
- 帮助市场分析人员从客户的基本信息库中发现
- 分别说明利用支持度、置信度和提升度评价关
- Web数据挖掘是通过数据库仲的一些属性来
- 假定用于分析的数据包含属性age,数据元
- SVM是这样一个分类器,他寻找具有最小边
- 数据离散度的常用度量包括()
- 求和函数sum()是一个()的函数。
- 简述数据预处理方法和内容。
- Bayes法是一种在已知后验概率与类条件
- 从点作为个体簇开始,每一步合并两个最接近
- 给定基本方体,方体的物化有三种选择:()
- 下表所示的相依表汇总了超级市场的事务数据
- 使用星型模式可以从一定程度上()查询效率
- 预测型知识
- 请简述几种典型的多维数据的OLAP操作
- 数据仓库的概念模型通常采用信息包图法来进
- DBSCAN是相对抗噪声的,并且能够处理
- 孤立点是指:()