违法和不良信息举报 联系客服
免费注册 登录

简述Apriori算法的思想，谈谈该算法的应用领域。

题目

简述Apriori算法的思想，谈谈该算法的应用领域。

参考答案和解析
正确答案: 思想：其发现关联规则分两步，第一是通过迭代，检索出数据源中所有烦琐项集，即支持度不低于用户设定的阀值的项即集，第二是利用第一步中检索出的烦琐项集构造出满足用户最小信任度的规则，其中，第一步即挖掘出所有频繁项集是该算法的核心，也占整个算法工作量的大部分。
在商务、金融、保险等领域皆有应用。
如果没有搜索结果或未解决您的问题，请直接 联系老师 获取答案。
相似问题和答案

第1题：

FP算法比Apriori算法慢。()

此题为判断题(对，错)。


正确答案：错误

第2题：

简述ID3算法的基本思想及其主算法和建树算法的基本步骤。


正确答案: 首先找出最有判别力的因素，然后把数据分成多个子集，每个子集又选择最有判别力的因素进一步划分，一直进行到所有子集仅包含同一类型的数据为止。最后得到一棵决策树，可以用它来对新的样例进行分类。
主算法包括如下几步：
①从训练集中随机选择一个既含正例又含反例的子集（称为窗口）；
②用“建树算法”对当前窗口形成一棵决策树；
③对训练集（窗口除外）中例子用所得决策树进行类别判定，找出错判的例子；
④若存在错判的例子，把它们插入窗口，重复步骤②，否则结束。
建树算法的具体步骤如下：
①对当前例子集合，计算各特征的互信息；
②选择互信息最大的特征Ak；
③把在Ak处取值相同的例子归于同一子集，Ak取几个值就得几个子集；
④对既含正例又含反例的子集，递归调用建树算法；
⑤若子集仅含正例或反例，对应分枝标上P或N，返回调用处。

第3题：

Apriori算法的计算复杂度受()影响。

A、支持度阈值

B、项数

C、事务数

D、事务平均宽度


正确答案:A,B,C,D

第4题：

可用作数据挖掘分析中的关联规则算法有（）。

  • A、决策树、对数回归、关联模式
  • B、K均值法、SOM神经网络
  • C、Apriori算法、FP-Tree算法
  • D、RBF神经网络、K均值法、决策树

正确答案:C

第5题：

Apriori算法可用于分类预算。


正确答案:错误

第6题：

如何提高Apriori算法的有效性？有哪些常见方法？


正确答案: 可以使用一下几个思路来提升Apriori算法：减少对数据的扫描次数；缩小产生的候选项集；改进对候选项集的支持度计算方法。
常见方法包括：
1，基于hash表的项集计数；
2，事务压缩；
3，划分；
4，选样；
5，动态项集计数。

第7题：

Apriori算法的计算复杂度受（）影响。

  • A、支持度阀值
  • B、项数（维度）
  • C、事务数
  • D、事务平均宽度

正确答案:A,B,C,D

第8题：

Apriori算法扫描数据库的次数等于最大频繁项集的项数。()

此题为判断题(对，错)。


正确答案：正确

第9题：

用于求解繁琐项集的一个经典算法是Apriori算法（）


正确答案:正确

第10题：

下列有关Apriori算法的说法中不正确的是（）

  • A、Apriori算法是关联分析中最常用的算法之一
  • B、应用Apriori算法时，需要先设定模型的最小支持度、最小置信度等阈值
  • C、应用Apriori算法时，输入的数据可以是连续型数据也可以是离散型数据
  • D、Apriori算法扫描数据库的次数依赖于最大频繁项集中项的数量

正确答案:C

更多相关问题
相关内容