哈尔滨医科大学《数据挖掘》习题.pptVIP

习题 Apriori算法的计算复杂度与 、 、事务数以及 有关。 支持度阈值、项数、事务的平均宽度 兴趣度的客观度量包括兴趣因子，相关分析和IS度量，其中相关分析具有 性质，而IS度量具有 性质。 反演性、零加性 习题 一对频繁(k-1)-序列合并可产生候选k-序列，频繁3-序列(3)(4)(5)和(4)(5)(6)合并，产生的候选序列为 ，频繁3-序列(1)(2)(3)和(2)(3,4)合并，产生的候选序列为 。 {3}{4}{5}{6} 、{1}{2}{3,4} 习题 考虑下图所示的候选3-项集的Hash树，给定一个包含项{1,3,5,8,9}的事务，在寻找该事务的候选项集时，访问了Hash树的哪些叶节点 ，使用这些叶节点确定事务{1,3,5,8,9}包含的候选项集为 。 L3 ,L4 , L5 ,L7 , L11 {1 5 8} 判断 通过边增长产生候选子图的过程是：一个频繁子图g1与另一个频繁子图g2合并，仅当从g1删除一条边得到的子图与从g2删除一条边得到的子图拓扑等价。合并后，结果子图是g1，添加g2的那条额外的边。 如果规则X’?Y-X’不满足置信度阈值，则形如X ?Y-X的规则一定也不满足置信度阈值，其中X‘是X的子集。 序列模式{1}{2}是数据序列{3，4}{1，2}{2，3}{4}的邻接子序列。 √ × √ 习题 将Apriori算法用于下表所示的数据集，支持度阈值为30%，置信度阈值为80%，请给出频繁项集和强关联规则。 频繁1-项集：1，2，3，4，5 频繁2-项集：{1,2}{1,3}{1,4}{2,3}{2,4}{3,4}{4,5} 频繁3-项集：{1,2,3} {1,2,4} {2,3,4} 强关联规则： 1 — 2 (60%, 83.3%) 2 — 3 (70%, 85.7%) 3 — 2 (70%, 85.7%) 5 — 4 (30%, 100%) 1,2 — 3 (50%, 80%) 1,3 — 2 (40%, 100%) TID 项集 1 {1,2,3} 2 {1,4,5} 3 {2,3,4} 4 {1,2,3,4} 5 {2,3} 6 {1,2,4} 7 {4,5} 8 {1,2,3,4} 9 {3,4,5} 10 {1,2,3} 习题 考虑下表中的数据： 请画出构建的FP树 描述前缀路径转化为条件FP树的步骤， 并给出e的条件FP树。（minsup=30%） TID 项集 1 {a,b,c,d,e} 2 {a,f} 3 {a,b,c } 4 {a,b,c,e,f} 5 {a,b} 6 {c,e,f} 7 {b,f} 8 {a,e,f} 9 {a,b,c,f} 10 {a,b,d} Item sup a 8 b 7 f 6 c 5 e 4 d 2 {a,b,c,e} {a,f} {a,b,c} {a,b,f,c,e} {a,b} {f,c,e} {b,f} {a,f,e} {a,b,f,c} {a,b} 更新前缀路径上的支持度计数 ; 删除d节点，修剪前缀路径 ; 删除非频繁项