關(guān)聯(lián)分析考試題及答案

單項(xiàng)選擇題（每題2分，共10題）1.關(guān)聯(lián)分析中，項(xiàng)集{牛奶,面包}的支持度計(jì)算公式是？A.包含{牛奶,面包}的事務(wù)數(shù)/總事務(wù)數(shù)B.包含牛奶的事務(wù)中包含面包的比例C.規(guī)則{牛奶}→{面包}的置信度D.包含面包的事務(wù)數(shù)/總事務(wù)數(shù)2.Apriori算法的核心剪枝原則是？A.頻繁項(xiàng)集的超集必頻繁B.非頻繁項(xiàng)集的超集必非頻繁C.1項(xiàng)頻繁集可直接生成所有頻繁項(xiàng)集D.只考慮最大頻繁項(xiàng)集3.衡量規(guī)則X→Y實(shí)際有效性（排除Y本身頻繁性）的指標(biāo)是？A.支持度B.置信度C.提升度D.興趣度4.關(guān)聯(lián)規(guī)則的標(biāo)準(zhǔn)形式是？A.分類規(guī)則B.項(xiàng)集X→項(xiàng)集Y（X∩Y=?）C.數(shù)值預(yù)測規(guī)則D.聚類規(guī)則5.FP-growth算法不需要生成的是？A.1項(xiàng)頻繁集B.候選k項(xiàng)集C.FP樹D.關(guān)聯(lián)規(guī)則6.規(guī)則X→Y的置信度為0.8，說明？A.80%的事務(wù)包含X和YB.80%包含X的事務(wù)包含YC.80%包含Y的事務(wù)包含XD.規(guī)則提升度為0.87.頻繁項(xiàng)集的定義是滿足？A.支持度≥最小支持度閾值B.置信度≥最小置信度閾值C.提升度≥1D.興趣度≠08.屬于序列關(guān)聯(lián)分析的是？A.購物籃商品同時(shí)購買B.用戶瀏覽網(wǎng)頁的先后順序C.商品銷量預(yù)測D.客戶分類9.Apriori中k=3的候選集生成來自？A.k=2的頻繁集的連接B.所有3項(xiàng)集C.k=3的頻繁集的超集D.隨機(jī)生成10.規(guī)則X→Y的提升度=1，說明？A.X和Y獨(dú)立B.X和Y正相關(guān)C.X和Y負(fù)相關(guān)D.規(guī)則有效多項(xiàng)選擇題（每題2分，共10題）1.關(guān)聯(lián)分析的應(yīng)用場景包括？A.購物籃分析B.網(wǎng)頁推薦C.醫(yī)療診斷關(guān)聯(lián)D.銷量預(yù)測2.關(guān)聯(lián)規(guī)則的評(píng)價(jià)指標(biāo)有？A.支持度B.置信度C.提升度D.均方誤差3.Apriori算法的步驟包括？A.掃描數(shù)據(jù)庫生成1項(xiàng)頻繁集B.連接生成候選k項(xiàng)集C.剪枝非頻繁候選集D.從頻繁項(xiàng)集生成關(guān)聯(lián)規(guī)則4.FP-growth算法的關(guān)鍵步驟是？A.構(gòu)建FP樹B.挖掘條件模式基C.生成候選集D.遞歸挖掘頻繁項(xiàng)集5.頻繁項(xiàng)集的性質(zhì)包括？A.向下封閉性（子集必頻繁）B.向上封閉性（超集必頻繁）C.最大頻繁項(xiàng)集無超集頻繁D.閉合頻繁項(xiàng)集無超集與自身支持度相同6.關(guān)于關(guān)聯(lián)規(guī)則的正確說法是？A.支持度越高，規(guī)則越常見B.置信度越高，規(guī)則越可靠C.提升度>1說明規(guī)則有價(jià)值D.興趣度=1說明X和Y獨(dú)立7.序列關(guān)聯(lián)分析與傳統(tǒng)關(guān)聯(lián)分析的區(qū)別是？A.考慮項(xiàng)的順序B.只考慮同時(shí)出現(xiàn)的項(xiàng)C.挖掘序列模式D.用于時(shí)間序列數(shù)據(jù)8.減少關(guān)聯(lián)分析計(jì)算量的方法有？A.降低最小支持度閾值B.剪枝非頻繁項(xiàng)集C.用FP-growth代替AprioriD.只挖掘閉合頻繁項(xiàng)集9.屬于項(xiàng)集的是？A.{蘋果,香蕉}B.{牛奶→面包}C.{1,3,5}D.{A,B,C}10.規(guī)則X→Y的支持度=0.2、置信度=0.6、提升度=1.2，說明？A.20%的事務(wù)包含X和YB.60%包含X的事務(wù)包含YC.X和Y正相關(guān)D.規(guī)則有效判斷題（每題2分，共10題）1.頻繁項(xiàng)集的所有非空子集都是頻繁項(xiàng)集。（）2.提升度>1說明規(guī)則X→Y比隨機(jī)情況更有效。（）3.Apriori需多次掃描數(shù)據(jù)庫，F(xiàn)P-growth僅掃描兩次。（）4.關(guān)聯(lián)規(guī)則中X和Y可以有交集。（）5.最小支持度閾值越高，頻繁項(xiàng)集數(shù)量越多。（）6.置信度是條件概率P(Y|X)。（）7.序列關(guān)聯(lián)分析不考慮項(xiàng)的出現(xiàn)順序。（）8.FP-growth可直接生成關(guān)聯(lián)規(guī)則，無需候選集。（）9.最大頻繁項(xiàng)集是無超集為頻繁項(xiàng)集的項(xiàng)集。（）10.興趣度=0說明X和Y獨(dú)立。（）簡答題（總4題，每題5分）1.簡述關(guān)聯(lián)分析的核心目標(biāo)。答案：挖掘數(shù)據(jù)中項(xiàng)集間的關(guān)聯(lián)規(guī)則（如A→B），通過支持度、置信度等篩選有效規(guī)則，發(fā)現(xiàn)潛在關(guān)聯(lián)模式，支撐業(yè)務(wù)決策（如購物籃推薦）。2.什么是頻繁項(xiàng)集？答案：支持度≥最小支持度閾值的項(xiàng)集，是生成關(guān)聯(lián)規(guī)則的基礎(chǔ)，滿足“子集必頻繁”的向下封閉性。3.支持度與置信度的區(qū)別？答案：支持度衡量項(xiàng)集/規(guī)則的常見程度（事務(wù)占比）；置信度衡量規(guī)則可靠程度（前件事務(wù)中包含后件的比例）。4.FP-growth算法的基本思想？答案：兩次掃描數(shù)據(jù)庫構(gòu)建FP樹，遞歸挖掘條件模式基生成頻繁項(xiàng)集，無需候選集，效率高于Apriori。討論題（總4題，每題5分）1.如何合理設(shè)置最小支持度和置信度？答案：結(jié)合業(yè)務(wù)：常見規(guī)則則支持度稍高，小眾關(guān)聯(lián)則降低；置信度需≥0.5，但需結(jié)合提升度避免假陽性（如Y本身頻繁）。2.關(guān)聯(lián)分析與序列關(guān)聯(lián)分析的場景差異？答案：傳統(tǒng)關(guān)聯(lián)分析用于同時(shí)出現(xiàn)的項(xiàng)（購物籃）；序列關(guān)聯(lián)分析用于有序項(xiàng)（網(wǎng)頁瀏覽順序、購買時(shí)間序列），適用于帶時(shí)間維度的關(guān)聯(lián)挖掘。3.Apriori的缺點(diǎn)及改進(jìn)？答案：缺點(diǎn)：多次掃描數(shù)據(jù)庫、大量候選集；改進(jìn)：用FP-growth（無候選集）、挖掘閉合/最大頻繁項(xiàng)集、抽樣/分區(qū)算法。4.如何判斷規(guī)則的業(yè)務(wù)價(jià)值？答案：除支持度、置信度外，需看提升度（>1）、興趣度（無冗余），結(jié)合業(yè)務(wù)邏輯（如“嬰兒車→奶粉”符合常識(shí)且能指導(dǎo)推薦）。答案單項(xiàng)選擇題1.A2.B3.C4.B5.B6.B7.A