中小学教育资源及组卷应用平台 《关联分析》作业： 一、选择题 1. 在关联规则挖掘中，以下哪个算法是用于发现频繁项集的？ A. Apriori B. Kmeans C. PCA D. SVM 答案：A 解析：选项A正确。Apriori算法是一种经典的关联规则挖掘算法，用于发现数据集中频繁出现的项集。Kmeans是一种聚类算法，PCA是降维技术，SVM是支持向量机，它们与关联规则挖掘无直接关系。 2. 在关联规则中，“支持度”是指： A. 规则的置信度 B. 规则的强度 C. 项集在数据集中出现的频率 D. 项集的支持度和置信度的乘积 答案：C 解析：选项C正确。支持度是指某个项集（如商品组合）在所有交易记录中出现的频率。它衡量了项集在数据集中的重要性或流行程度。 3. 在关联规则挖掘中，如果一个规则的支持度很低，这通常意味着： A. 这个规则非常可靠 B. 这个规则适用于所有情况 C. 这个规则可能不太重要或不常见 D. 这个规则的置信度很高 答案：C 解析：选项C正确。如果一个规则的支持度很低，说明这个规则对应的项集在数据集中出现的频率较低，因此这个规则可能不太重要或不常见。 4. 在关联规则挖掘中，“提升度”大于1表示： A. 规则是负相关的 B. 规则是正相关的 C. 规则是无关的 D. 规则的置信度等于支持度 答案：B 解析：选项B正确。提升度（Lift）是度量关联规则质量的一个指标。当提升度大于1时，表示规则是正相关的，即前件的出现会增加后件出现的概率；当提升度小于1时，表示规则是负相关的；当提升度等于1时，表示规则是独立的。 5. 在关联规则挖掘中，以下哪个参数不是用来设置算法的最小支持度阈值的？ A. min_support B. support C. confidence D. threshold 答案：C 解析：选项C正确。min_support、support和threshold都可以用来设置算法的最小支持度阈值，以控制发现的频繁项集的数量。而confidence是用来设置规则置信度的阈值，与支持度无直接关系。 二、填空题 6. 在关联规则挖掘中，_____用于衡量规则的可靠性。 答案：置信度 解析：置信度（Confidence）是衡量关联规则可靠性的一个重要指标。它表示在前件出现的情况下，后件也出现的概率。 7. 在关联规则挖掘中，_____用于度量项集在事务数据库中出现的频率。 答案：支持度 解析：支持度（Support）是度量项集在事务数据库中出现的频率的一个指标。它反映了项集在数据集中的流行程度或重要性。 8. 在关联规则挖掘中，_____用于度量规则的提升程度或有用性。 答案：提升度 解析：提升度（Lift）是度量关联规则提升程度或有用性的一个指标。它比较了规则的实际置信度与期望置信度之间的差异。 9. 在关联规则挖掘中，如果一个规则的_____为1，则表示该规则是独立的。 答案：提升度 解析：当提升度等于1时，表示规则的前件和后件之间是独立的，即前件的出现不会增加后件出现的概率。 10. 在关联规则挖掘中，_____算法通过迭代的方式寻找频繁项集。 答案：Apriori 解析：Apriori算法是一种经典的关联规则挖掘算法，它通过迭代的方式寻找频繁项集，并基于这些频繁项集生成关联规则。 11. 在关联规则挖掘中，_____用于控制发现的频繁项集的数量。 答案：最小支持度 解析：最小支持度（min_support）是一个阈值参数，用于控制发现的频繁项集的数量。只有当项集的支持度大于或等于这个阈值时，才会被认为是频繁项集。 12. 在关联规则挖掘中，_____用于控制生成的规则数量。 答案：最小置信度 解析：最小置信度（min_confidence）是一个阈值参数，用于控制生成的规则数量。只有当规则的置信度大于或等于这个阈值时，才会被认为是有效的关联规则。 简答题 1. 什么是数据关联分析？ 数据关联分析是一种统计技术，用于发现大量数据集中的有趣关系。这些关系可以是两个或多个变量之间的相关性、因果关系 ... ...
