關(guān)聯(lián)規(guī)則試題及答案VIP

關(guān)聯(lián)規(guī)則試題及答案

一、單項(xiàng)選擇題（每題2分，共10題）1.以下哪個(gè)是衡量關(guān)聯(lián)規(guī)則重要性的指標(biāo)？（）A.支持度B.置信度C.提升度D.以上都是2.關(guān)聯(lián)規(guī)則挖掘主要用于發(fā)現(xiàn)數(shù)據(jù)中的（）A.分類關(guān)系B.聚類關(guān)系C.因果關(guān)系D.關(guān)聯(lián)關(guān)系3.支持度的計(jì)算公式是（）A.包含項(xiàng)集的事務(wù)數(shù)/總事務(wù)數(shù)B.包含前件和后件的事務(wù)數(shù)/包含前件的事務(wù)數(shù)C.包含前件和后件的事務(wù)數(shù)/包含后件的事務(wù)數(shù)D.以上都不對(duì)4.置信度為0.8的關(guān)聯(lián)規(guī)則意味著（）A.80%的事務(wù)包含前件B.80%的事務(wù)包含后件C.在前件出現(xiàn)的事務(wù)中，80%的事務(wù)也出現(xiàn)后件D.后件出現(xiàn)的概率是80%5.提升度大于1表示（）A.前件和后件相互獨(dú)立B.前件和后件負(fù)相關(guān)C.前件和后件正相關(guān)D.沒有意義6.Apriori算法的核心思想是（）A.基于頻繁項(xiàng)集性質(zhì)的逐層搜索的迭代方法B.隨機(jī)搜索C.貪心算法D.動(dòng)態(tài)規(guī)劃7.頻繁項(xiàng)集是指（）A.支持度大于等于最小支持度的項(xiàng)集B.置信度大于等于最小置信度的項(xiàng)集C.提升度大于等于1的項(xiàng)集D.以上都不對(duì)8.關(guān)聯(lián)規(guī)則A→B的支持度為0.1，意味著（）A.10%的事務(wù)同時(shí)包含A和BB.10%的事務(wù)包含AC.10%的事務(wù)包含BD.A出現(xiàn)時(shí)B有10%的概率出現(xiàn)9.以下哪個(gè)不是關(guān)聯(lián)規(guī)則挖掘的應(yīng)用場(chǎng)景？（）A.購物籃分析B.疾病診斷C.圖像識(shí)別D.推薦系統(tǒng)10.最小支持度閾值的作用是（）A.控制規(guī)則的數(shù)量B.控制規(guī)則的質(zhì)量C.篩選出頻繁項(xiàng)集D.以上都對(duì)二、多項(xiàng)選擇題（每題2分，共10題）1.關(guān)聯(lián)規(guī)則挖掘中常用的評(píng)估指標(biāo)有（）A.支持度B.置信度C.提升度D.準(zhǔn)確率2.以下屬于關(guān)聯(lián)規(guī)則挖掘算法的有（）A.Apriori算法B.FP-growth算法C.K-means算法D.DBSCAN算法3.影響關(guān)聯(lián)規(guī)則質(zhì)量的因素有（）A.支持度B.置信度C.數(shù)據(jù)集大小D.項(xiàng)集數(shù)量4.關(guān)聯(lián)規(guī)則挖掘在哪些領(lǐng)域有應(yīng)用（）A.市場(chǎng)營銷B.金融風(fēng)險(xiǎn)預(yù)測(cè)C.醫(yī)療保健D.教育5.關(guān)于支持度和置信度，下列說法正確的是（）A.支持度衡量項(xiàng)集在數(shù)據(jù)集中出現(xiàn)的頻繁程度B.置信度衡量規(guī)則的可靠性C.支持度高的規(guī)則置信度一定高D.置信度高的規(guī)則支持度一定高6.頻繁項(xiàng)集的性質(zhì)有（）A.頻繁項(xiàng)集的所有非空子集一定是頻繁項(xiàng)集B.非頻繁項(xiàng)集的超集一定是非頻繁項(xiàng)集C.頻繁項(xiàng)集的超集一定是頻繁項(xiàng)集D.非頻繁項(xiàng)集的子集一定是非頻繁項(xiàng)集7.挖掘關(guān)聯(lián)規(guī)則的步驟包括（）A.生成頻繁項(xiàng)集B.生成候選集C.由頻繁項(xiàng)集產(chǎn)生關(guān)聯(lián)規(guī)則D.評(píng)估關(guān)聯(lián)規(guī)則8.在購物籃分析中，關(guān)聯(lián)規(guī)則可以幫助商家（）A.了解顧客購買行為B.優(yōu)化商品擺放C.制定促銷策略D.提高顧客忠誠度9.提升度的意義在于（）A.衡量前件和后件之間的依賴程度B.大于1表示正相關(guān)C.小于1表示負(fù)相關(guān)D.等于1表示相互獨(dú)立10.關(guān)聯(lián)規(guī)則挖掘中，處理大數(shù)據(jù)集時(shí)可能面臨的挑戰(zhàn)有（）A.計(jì)算量過大B.內(nèi)存不足C.生成大量低質(zhì)量規(guī)則D.難以確定合適的閾值三、判斷題（每題2分，共10題）1.支持度越高的關(guān)聯(lián)規(guī)則一定越有價(jià)值。（）2.Apriori算法在生成候選集時(shí)會(huì)產(chǎn)生大量冗余。（）3.置信度為1的關(guān)聯(lián)規(guī)則一定是有意義的。（）4.頻繁項(xiàng)集的子集一定是頻繁項(xiàng)集。（）5.提升度小于1說明前件和后件是正相關(guān)。（）6.FP-growth算法比Apriori算法效率更高。（）7.關(guān)聯(lián)規(guī)則挖掘只能發(fā)現(xiàn)數(shù)據(jù)中的簡單關(guān)系。（）8.最小支持度和最小置信度閾值設(shè)置越高，生成的規(guī)則質(zhì)量越高。（）9.關(guān)聯(lián)規(guī)則挖掘在推薦系統(tǒng)中可以用于推薦相關(guān)商品。（）10.數(shù)據(jù)集的大小對(duì)關(guān)聯(lián)規(guī)則挖掘的結(jié)果沒有影響。（）四、簡答題（每題5分，共4題）1.簡述關(guān)聯(lián)規(guī)則挖掘的概念。關(guān)聯(lián)規(guī)則挖掘是從大量數(shù)據(jù)中發(fā)現(xiàn)項(xiàng)集之間有趣的關(guān)聯(lián)或相關(guān)聯(lián)系。通過支持度、置信度等指標(biāo)衡量規(guī)則的重要性和可靠性，找出數(shù)據(jù)中經(jīng)常一起出現(xiàn)的項(xiàng)集組合以及它們之間的關(guān)聯(lián)關(guān)系，廣泛應(yīng)用于多個(gè)領(lǐng)域。2.說明支持度和置信度在關(guān)聯(lián)規(guī)則中的作用。支持度衡量項(xiàng)集在數(shù)據(jù)集中出現(xiàn)的頻繁程度，反映項(xiàng)集的普遍程度；置信度衡量關(guān)聯(lián)規(guī)則的可靠性，即在前件出現(xiàn)的事務(wù)中后件出現(xiàn)的概率，兩者從不同角度評(píng)估關(guān)聯(lián)規(guī)則的價(jià)值。3.簡述Apriori算法的基本步驟。首先生成1-項(xiàng)集，根據(jù)最小支持度篩選出頻繁1-項(xiàng)集；然后基于頻繁k-項(xiàng)集生成候選k+1-項(xiàng)集，再根據(jù)最小支持度篩選出頻繁k+1-項(xiàng)集，重復(fù)此過程直到無法生成新的頻繁項(xiàng)集，最后由頻繁項(xiàng)集產(chǎn)生關(guān)聯(lián)規(guī)則。4.舉例說明關(guān)聯(lián)規(guī)則在購物籃分析中的應(yīng)用。比如在超市購物籃分析中，發(fā)現(xiàn)規(guī)則“購買啤酒→購買尿布”支持度和置信度較高，說明很多購買啤酒的顧客也會(huì)購買尿布。超市可將這兩種商品擺放在相近位置，或進(jìn)行聯(lián)合促銷，提高銷售額。五、討論題（每題5分，共4題）1.討論如何確定合適的最小支持度和最小置信度閾值。需綜合多方面因素。數(shù)據(jù)集大小、特點(diǎn)不同，閾值不同。若數(shù)據(jù)集大且項(xiàng)集分布均勻，可適當(dāng)降低閾值；若想獲取高質(zhì)量規(guī)則，可提高閾值。還需結(jié)合業(yè)務(wù)需求，如購物籃分析中，關(guān)注頻繁購買組合，支持度閾值可稍高；關(guān)注潛在關(guān)聯(lián)，閾值可低些，要通過實(shí)驗(yàn)和業(yè)務(wù)經(jīng)驗(yàn)不斷調(diào)整。2.分析關(guān)聯(lián)規(guī)則挖掘在醫(yī)療保健領(lǐng)域可能面臨的問題及解決方法。面臨問題：數(shù)據(jù)隱私保護(hù)、數(shù)據(jù)質(zhì)量參差不齊、醫(yī)學(xué)知識(shí)與挖掘結(jié)果結(jié)合難。解決方法：采用隱私保護(hù)技術(shù)，如加密；對(duì)數(shù)據(jù)進(jìn)行清洗、預(yù)處理提高質(zhì)量；加強(qiáng)醫(yī)學(xué)專家與數(shù)據(jù)挖掘人員合作，讓醫(yī)學(xué)知識(shí)指導(dǎo)挖掘過程、解讀結(jié)果。3.探討關(guān)聯(lián)規(guī)則挖掘與機(jī)器學(xué)習(xí)其他算法的結(jié)合應(yīng)用?？膳c分類算法結(jié)合，如利用關(guān)聯(lián)規(guī)則挖掘的頻繁項(xiàng)集作為特征，輸入到?jīng)Q策樹等分類算法中，提高分類準(zhǔn)確性。也可與聚類算法結(jié)合，通過關(guān)聯(lián)規(guī)則分析聚類結(jié)果中不同簇內(nèi)項(xiàng)集的關(guān)聯(lián)關(guān)系，更好理解簇的特性，進(jìn)一步優(yōu)化聚類。4.闡述在電商推薦系統(tǒng)中，關(guān)聯(lián)規(guī)則挖掘相比其他推薦方法的優(yōu)勢(shì)與局限性。優(yōu)勢(shì)：能發(fā)現(xiàn)商品間潛在關(guān)聯(lián)，推薦相關(guān)商品，挖掘用戶未被發(fā)現(xiàn)的需求；基于歷史交易數(shù)據(jù)，挖掘簡單直接。局限性：依賴歷史數(shù)據(jù)，對(duì)新商品和新用戶推薦效果差；挖掘的關(guān)聯(lián)可能是表面的，缺乏語義理解；計(jì)算量大，處理實(shí)時(shí)性推薦有挑戰(zhàn)。答案一、單項(xiàng)選擇題1.D2.D3.A4.C5.C6.A7.A8.A9.C10.D