数据挖掘第二次作业
- 格式:pdf
- 大小:101.31 KB
- 文档页数:2
" s l ( s )" 的置信度。其中,s’是 s 的子集。
和相关度进行比较。
d. Apriori 算法的一种变形将事务数据库 D 中的事务划分成 n 个不重叠的分区。证明
在 D 中频繁的项集至少在 D 的一个分区中是频繁的。
2. 6.2.2 节介绍了由频繁项集产生关联规则的方法。提出一个更有效的方法。解释它为什 么比 6.2.2 节的方法更有效。 (提示:考虑将习题 6.3(b)和 6.3(c)的性质结合到你的设 计中。 )
a.
假定挖掘出了关联规则“hot dogs humburgers”。给定最小支持度阀值 25%,
最小置信度阀值 50%,该关联规则是强规则吗? b. 根据给定的数据,买 hot dogs 独立于买 humburgers 吗?如果不是,二者之间存
在何种相关联系? c. 在给定的数据上,将全置信度、最大置信度、Kulczynski 和余弦的使用与提升度
x transaction, buys( X , item1 ) buys( X , item2 ) buys( X , item3 )
[ s, c ]
4.下面的相依表汇总了超级市场的事务数据。其中,hot dogs 表示包含热狗的事务,hot dogs 表示不包含热狗的事务,hamburgers 表示包含汉堡包的事务,hamburgers 表示不包含 汉堡包的事务。
3.数据库有 5 个事务。设 min_sup =60%, min_conf=80%
a.
分别使用 Apriori 和 FP-growth 算法找出所有频繁项集。 比较两种挖掘过程的有效
性。 b. 列举所有与下面的元规则匹配的强关联规则(给出支持度 s 和置信度 c),其中, X
是代表顾客的变量, item i 是表示项的变量(如: “A” 、 “B”等) :