1.Python在调用efficient-apriori包中的apriori函数进行挖掘关联规则时,第一个返回值是( )。
2.Python在调用efficient-apriori包中的apriori函数进行挖掘关联规则时,第二个返回值是( )。
3.如下表所示,X={butter, cheese},Y={beer},则置信度confidence(X→Y)=( )。
4.对于任一个频繁项集X和它的一个非空真子集Y, S=X-Y,规则S→Y成立的条件是( )。
5.在多层次关联规则分析中,如果将商品进行归类,每一商品类别的支持度会( )其包含的每个商品的支持度,从而有利于发现一些有意义的频繁模式或关联规则。
中国大学慕课《数据挖掘与python实践》第四单元测验
最新推荐文章于 2021-02-09 23:27:35 发布
该内容主要介绍了使用Python的efficient-apriori库进行关联规则挖掘。讨论了apriori函数的返回值、置信度计算、FP-growth算法的原理以及关联规则挖掘中的关键概念,如频繁项集、最小支持度和最小置信度。同时,强调了多层次关联规则分析和离散化处理连续属性的重要性。
摘要由CSDN通过智能技术生成