2025年大學(xué)大二（數(shù)據(jù)挖掘）關(guān)聯(lián)規(guī)則挖掘階段測試題及答案

（考試時間：90分鐘滿分100分）班級______姓名______一、單項(xiàng)選擇題（總共10題，每題3分，每題只有一個正確答案，請將正確答案填寫在括號內(nèi)）1.以下關(guān)于支持度的說法，正確的是（）A.支持度越高，規(guī)則越有價值B.支持度是指項(xiàng)集在數(shù)據(jù)集中出現(xiàn)的頻率C.支持度反映了規(guī)則的可信度D.支持度與規(guī)則的實(shí)用性無關(guān)2.關(guān)聯(lián)規(guī)則挖掘中，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.支持度和置信度都大于等于閾值的項(xiàng)集D.出現(xiàn)次數(shù)最多的項(xiàng)集3.Apriori算法的核心步驟是（）A.生成候選集B.計(jì)算支持度C.剪枝D.以上都是4.以下哪種數(shù)據(jù)結(jié)構(gòu)適合存儲頻繁項(xiàng)集（）A.鏈表B.數(shù)組C.哈希表D.樹5.關(guān)聯(lián)規(guī)則X→Y的置信度計(jì)算公式為（）A.support(X∪Y)/support(X)B.support(X∪Y)/support(Y)C.support(X∩Y)/support(X)D.support(X∩Y)/support(Y)6.在關(guān)聯(lián)規(guī)則挖掘中，提升度的作用是（）A.衡量規(guī)則的支持度B.衡量規(guī)則的置信度C.衡量規(guī)則是否比隨機(jī)出現(xiàn)更有意義D.衡量規(guī)則的實(shí)用性7.以下關(guān)于閉頻繁項(xiàng)集的說法，錯誤的是（）A.閉頻繁項(xiàng)集的超集一定不是頻繁項(xiàng)集B.閉頻繁項(xiàng)集的子集一定是頻繁項(xiàng)集C.閉頻繁項(xiàng)集可以減少頻繁項(xiàng)集的數(shù)量D.閉頻繁項(xiàng)集與頻繁項(xiàng)集的數(shù)量相同8.關(guān)聯(lián)規(guī)則挖掘算法中，剪枝策略的目的是（）A.減少候選集的數(shù)量B.提高算法的效率C.避免生成無效的頻繁項(xiàng)集D.以上都是9.對于頻繁項(xiàng)集L={A,B,C}，以下哪個是它的非空真子集（）A.{A,B,C}B.{}C.{A,B}D.{A,B,C,D}10.以下哪種情況會導(dǎo)致關(guān)聯(lián)規(guī)則挖掘結(jié)果出現(xiàn)偏差（）A.數(shù)據(jù)噪聲B.數(shù)據(jù)分布不均勻C.最小支持度設(shè)置過高或過低D.以上都是二、多項(xiàng)選擇題（總共5題，每題5分，每題有兩個或兩個以上正確答案，請將正確答案填寫在括號內(nèi)）1.關(guān)聯(lián)規(guī)則挖掘的應(yīng)用場景包括（）A.市場購物籃分析B.推薦系統(tǒng)C.網(wǎng)絡(luò)入侵檢測D.生物信息學(xué)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.CBA算法D.K-means算法3.在計(jì)算關(guān)聯(lián)規(guī)則的支持度時，需要考慮的因素有（）A.項(xiàng)集在數(shù)據(jù)集中出現(xiàn)的次數(shù)B.數(shù)據(jù)集的大小C.項(xiàng)集的長度D.數(shù)據(jù)的分布4.提升度大于1表示（）A.規(guī)則X→Y比隨機(jī)出現(xiàn)更有意義B.項(xiàng)集X和Y之間存在正相關(guān)關(guān)系C.項(xiàng)集X和Y之間存在負(fù)相關(guān)關(guān)系D.規(guī)則X→Y的可信度較高5.頻繁項(xiàng)集的性質(zhì)包括（）A.頻繁項(xiàng)集的所有子集都是頻繁項(xiàng)集B.頻繁項(xiàng)集的超集可能是頻繁項(xiàng)集，也可能不是C.非頻繁項(xiàng)集的超集一定是非頻繁項(xiàng)集D.頻繁項(xiàng)集的數(shù)量隨著最小支持度的降低而增加三、判斷題（總共10題，每題2分，請判斷對錯，在括號內(nèi)打“√”或“×”）1.關(guān)聯(lián)規(guī)則挖掘只能處理離散型數(shù)據(jù)。（）2.支持度和置信度是衡量關(guān)聯(lián)規(guī)則價值的唯一指標(biāo)。（）3.Apriori算法在生成候選集時，會產(chǎn)生大量的冗余計(jì)算。（）4.頻繁項(xiàng)集的長度越長，其支持度一定越低。（）5.提升度為1時，說明項(xiàng)集X和Y之間沒有關(guān)聯(lián)。（）6.閉頻繁項(xiàng)集一定是最大頻繁項(xiàng)集。（）7.關(guān)聯(lián)規(guī)則挖掘算法的性能只取決于數(shù)據(jù)集的大小。（）8.在關(guān)聯(lián)規(guī)則挖掘中，最小支持度和最小置信度的設(shè)置對結(jié)果沒有影響。（）9.頻繁項(xiàng)集的數(shù)量與數(shù)據(jù)集的密度有關(guān)。（）10.關(guān)聯(lián)規(guī)則挖掘可以發(fā)現(xiàn)數(shù)據(jù)中的因果關(guān)系。（）四、簡答題（總共3題，每題10分，請簡要回答問題）1.請簡述Apriori算法的基本原理和步驟。2.解釋支持度、置信度和提升度的含義，并說明它們在關(guān)聯(lián)規(guī)則挖掘中的作用。3.假設(shè)在一個超市購物籃數(shù)據(jù)集中，有以下項(xiàng)集及其支持度：{牛奶}支持度為0.6，{面包}支持度為0.5，{牛奶,面包}支持度為0.4。請計(jì)算關(guān)聯(lián)規(guī)則“牛奶→面包”的置信度和提升度，并分析該規(guī)則的意義。五、綜合應(yīng)用題（總共1題，20分）材料：某電商平臺收集了大量用戶的購物記錄，包括購買的商品種類、購買時間等信息?，F(xiàn)在需要對這些數(shù)據(jù)進(jìn)行關(guān)聯(lián)規(guī)則挖掘，以發(fā)現(xiàn)用戶購買行為之間的關(guān)聯(lián)關(guān)系，從而為平臺的推薦系統(tǒng)提供支持。問題：請?jiān)O(shè)計(jì)一個基于Apriori算法的關(guān)聯(lián)規(guī)則挖掘方案，包括數(shù)據(jù)預(yù)處理、最小支持度和最小置信度的設(shè)置、候選集生成、剪枝以及最終關(guān)聯(lián)規(guī)則的輸出等步驟，并說明如何根據(jù)挖掘結(jié)果優(yōu)化推薦系統(tǒng)。答案：一、1.B2.A3.D4.C5.C6.C7.D8.D9.C10.D二、1.ABCD2.ABC3.AB4.AB5.ABCD三、1.×2.×3.√4.×5.√6.×7.×8.×9.√10.×四、1.Apriori算法基本原理是基于頻繁項(xiàng)集性質(zhì)的先驗(yàn)知識進(jìn)行逐層搜索，生成候選集并剪枝得到頻繁項(xiàng)集，進(jìn)而產(chǎn)生關(guān)聯(lián)規(guī)則。步驟：首先掃描數(shù)據(jù)集計(jì)算單項(xiàng)集支持度，找出頻繁1項(xiàng)集；然后利用頻繁k項(xiàng)集生成候選k+1項(xiàng)集，再次掃描數(shù)據(jù)集計(jì)算支持度，剪枝得到頻繁k+1項(xiàng)集，重復(fù)此過程直到不能生成新的頻繁項(xiàng)集，最后根據(jù)頻繁項(xiàng)集生成關(guān)聯(lián)規(guī)則。2.支持度是指項(xiàng)集在數(shù)據(jù)集中出現(xiàn)的頻率，反映項(xiàng)集的普遍程度。置信度是指在包含X的事務(wù)中同時包含Y的比例，衡量規(guī)則的可靠性。提升度是衡量規(guī)則是否比隨機(jī)出現(xiàn)更有意義。支持度用于篩選頻繁項(xiàng)集，置信度評估規(guī)則可信度，提升度判斷規(guī)則價值。3.置信度=support(X∩Y)/support(X)=(0.4)/(0.6)=2/3。提升度=confidence(X→Y)/support(Y)=(2/3)/(0.5)=4/3。該規(guī)則置信度較高說明購買牛奶的顧客有較大概率購買面包，提升度大于1表明該規(guī)則比隨機(jī)購買更有意義，可用于超市商品擺放和推薦策略制定。五、數(shù)據(jù)預(yù)處理：