购物篮分析是频繁项集挖掘的典型实例。（）
购物篮分析是频繁项集挖掘的典型实例。（）
参考答案和解析
正确
相关考题：
设有如下所示的某商场购物记录集合，每个购物篮中包含若干商品：购物篮编号商品1面包，牛奶2面包，啤酒，鸡蛋，尿布3牛奶，啤酒，尿布，可乐4面包，牛奶，啤酒，尿布5面包，牛奶，尿布，可乐现在要基于该数据集进行关联规则挖掘。如果设置最小支持度为60％，最小置信度为80％，则如下关联规则中，符合条件的是（ ）。A.啤酒→尿布B.（面包，尿布）→牛奶C.面包→牛奶D.（面包，啤酒）→尿布
考虑如下的频繁3-项集：{1，2，3}，{1，2，4}，{1，2，5}，{1，3，4}，{1，3，5}，{2，3，4}，{2，3，5}，{3，4，5}。 （a）根据Apriori算法的候选项集生成方法，写出利用频繁3-项集生成的所有候选4-项集。 （b）写出经过剪枝后的所有候选4-项集。
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A、啤酒、尿布B、啤酒、面包C、面包、尿布D、啤酒、牛奶
频繁项集、频繁闭项集、最大频繁项集之间的关系是（）A、频繁项集频繁闭项集=最大频繁项集B、频繁项集=频繁闭项集最大频繁项集C、频繁项集频繁闭项集最大频繁项集D、频繁项集=频繁闭项集=最大频繁项集
下列对关联规则的描述中，不正确的是（）。A、频繁项集的子集也一定是频繁的B、若一个项集是非频繁的，则它的超集有可能是频繁的C、Apriori算法是关联规则的经典技术D、连接和剪枝是关联规则的两个常见步骤
单选题频繁项集、频繁闭项集、最大频繁项集之间的关系是（）A频繁项集频繁闭项集=最大频繁项集B频繁项集=频繁闭项集最大频繁项集C频繁项集频繁闭项集最大频繁项集D频繁项集=频繁闭项集=最大频繁项集
多选题利用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A啤酒、尿布B啤酒、面包C面包、尿布D啤酒、牛奶
单选题下列对关联规则的描述中，不正确的是（）。A频繁项集的子集也一定是频繁的B若一个项集是非频繁的，则它的超集有可能是频繁的CApriori算法是关联规则的经典技术D连接和剪枝是关联规则的两个常见步骤
多选题根据下面的购物篮，假定支持度阈值为40%，其中（）是频繁闭项集。 TID 项 1 abc 2 abcd 3 bce 4 acde 5 deAabcBadCcdDde