笔试题

1. K-means算法：
   （1）算法缺点之一是需要人工选取k值大小；
   （2）特殊值对模型的影响较大；
   （3）处理大数据集时，算法保持了较好的伸缩性和高效性；
   （4）遇到非凸数据集时，比较难收敛，且对噪声敏感，同时数据局部最优。

2. 利用Apriori算法计算频繁项集可以有效降低计算频繁集的时间复杂度。在以下的购物篮中产生支持度不小于3的候选3-项集，在候选2-项集中需要剪枝的是（ ）

   ID 项集

   1 面包、牛奶

   2 面包、尿布、啤酒、鸡蛋

   3 牛奶、尿布、啤酒、可乐

   4 面包、牛奶、尿布、啤酒

   5 面包、牛奶、尿布、可乐

   Apriori(关联分析算法)，是一种无监督学习算法，主要是用来在数据集中寻 找数据之间可能存在的关联。有两个主要概念：频繁项集(经常出现在一起的 物品的集合)和
   关联规则(暗示两种物品存在很强的关系)，为了量化这两个概念，引入了支 持度和置信度：
   4.1支持度：数据集中包含该项集的记录所占的比例；
   4.2置信度：“尿布->啤酒”这条关联规则的置信度定义为：支持度(尿布，啤酒)/支持度(尿布);
   4.3Apriori 的原理:如果某个项集是频繁项集，则它的所有子集也均为频繁项集。真正有用的它的逆否命题：如果一个项集是非频繁项集，则它的所有超集也都是非频繁的。
   4.4算法步骤：
   1，首先会生成所有单个物品的项集列表
   2，扫描交易记录来查看哪些项集满足最小支持度要求࿰