關聯規則試題及答案

一、單項選擇題（每題2分，共10題）1.以下哪個是衡量關聯規則重要性的指標？（）A.支持度B.置信度C.提升度D.以上都是2.關聯規則挖掘主要用于發現數據中的（）A.分類關系B.聚類關系C.因果關系D.關聯關系3.支持度的計算公式是（）A.包含項集的事務數/總事務數B.包含前件和后件的事務數/包含前件的事務數C.包含前件和后件的事務數/包含后件的事務數D.以上都不對4.置信度為0.8的關聯規則意味著（）A.80%的事務包含前件B.80%的事務包含后件C.在前件出現的事務中，80%的事務也出現后件D.后件出現的概率是80%5.提升度大于1表示（）A.前件和后件相互獨立B.前件和后件負相關C.前件和后件正相關D.沒有意義6.Apriori算法的核心思想是（）A.基于頻繁項集性質的逐層搜索的迭代方法B.隨機搜索C.貪心算法D.動態規劃7.頻繁項集是指（）A.支持度大于等于最小支持度的項集B.置信度大于等于最小置信度的項集C.提升度大于等于1的項集D.以上都不對8.關聯規則A→B的支持度為0.1，意味著（）A.10%的事務同時包含A和BB.10%的事務包含AC.10%的事務包含BD.A出現時B有10%的概率出現9.以下哪個不是關聯規則挖掘的應用場景？（）A.購物籃分析B.疾病診斷C.圖像識別D.推薦系統10.最小支持度閾值的作用是（）A.控制規則的數量B.控制規則的質量C.篩選出頻繁項集D.以上都對二、多項選擇題（每題2分，共10題）1.關聯規則挖掘中常用的評估指標有（）A.支持度B.置信度C.提升度D.準確率2.以下屬于關聯規則挖掘算法的有（）A.Apriori算法B.FP-growth算法C.K-means算法D.DBSCAN算法3.影響關聯規則質量的因素有（）A.支持度B.置信度C.數據集大小D.項集數量4.關聯規則挖掘在哪些領域有應用（）A.市場營銷B.金融風險預測C.醫療保健D.教育5.關于支持度和置信度，下列說法正確的是（）A.支持度衡量項集在數據集中出現的頻繁程度B.置信度衡量規則的可靠性C.支持度高的規則置信度一定高D.置信度高的規則支持度一定高6.頻繁項集的性質有（）A.頻繁項集的所有非空子集一定是頻繁項集B.非頻繁項集的超集一定是非頻繁項集C.頻繁項集的超集一定是頻繁項集D.非頻繁項集的子集一定是非頻繁項集7.挖掘關聯規則的步驟包括（）A.生成頻繁項集B.生成候選集C.由頻繁項集產生關聯規則D.評估關聯規則8.在購物籃分析中，關聯規則可以幫助商家（）A.了解顧客購買行為B.優化商品擺放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C.小于1表示負相關D.等于1表示相互獨立10.關聯規則挖掘中，處理大數據集時可能面臨的挑戰有（）A.計算量過大B.內存不足C.生成大量低質量規則D.難以確定合適的閾值三、判斷題（每題2分，共10題）1.支持度越高的關聯規則一定越有價值。（）2.Apriori算法在生成候選集時會產生大量冗余。（）3.置信度為1的關聯規則一定是有意義的。（）4.頻繁項集的子集一定是頻繁項集。（）5.提升度小于1說明前件和后件是正相關。（）6.FP-growth算法比Apriori算法效率更高。（）7.關聯規則挖掘只能發現數據中的簡單關系。（）8.最小支持度和最小置信度閾值設置越高，生成的規則質量越高。（）9.關聯規則挖掘在推薦系統中可以用于推薦相關商品。（）10.數據集的大小對關聯規則挖掘的結果沒有影響。（）四、簡答題（每題5分，共4題）1.簡述關聯規則挖掘的概念。關聯規則挖掘是從大量數據中發現項集之間有趣的關聯或相關聯系。通過支持度、置信度等指標衡量規則的重要性和可靠性，找出數據中經常一起出現的項集組合以及它們之間的關聯關系，廣泛應用于多個領域。2.說明支持度和置信度在關聯規則中的作用。支持度衡量項集在數據集中出現的頻繁程度，反映項集的普遍程度；置信度衡量關聯規則的可靠性，即在前件出現的事務中后件出現的概率，兩者從不同角度評估關聯規則的價值。3.簡述Apriori算法的基本步驟。首先生成1-項集，根據最小支持度篩選出頻繁1-項集；然后基于頻繁k-項集生成候選k+1-項集，再根據最小支持度篩選出頻繁k+1-項集，重復此過程直到無法生成新的頻繁項集，最后由頻繁項集產生關聯規則。4.舉例說明關聯規則在購物籃分析中的應用。比如在超市購物籃分析中，發現規則“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購買尿布。超市可將這兩種商品擺放在相近位置，或進行聯合促銷，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。數據集大小、特點不同，閾值不同。若數據集大且項集分布均勻，可適當降低閾值；若想獲取高質量規則，可提高閾值。還需結合業務需求，如購物籃分析中，關注頻繁購買組合，支持度閾值可稍高；關注潛在關聯，閾值可低些，要通過實驗和業務經驗不斷調整。2.分析關聯規則挖掘在醫療保健領域可能面臨的問題及解決方法。面臨問題：數據隱私保護、數據質量參差不齊、醫學知識與挖掘結果結合難。解決方法：采用隱私保護技術，如加密；對數據進行清洗、預處理提高質量；加強醫學專家與數據挖掘人員合作，讓醫學知識指導挖掘過程、解讀結果。3.探討關聯規則挖掘與機器學習其他算法的結合應用。可與分類算法結合，如利用關聯規則挖掘的頻繁項集作為特征，輸入到決策樹等分類算法中，提高分類準確性。也可與聚類算法結合，通過關聯規則分析聚類結果中不同簇內項集的關聯關系，更好理解簇的特性，進一步優化聚類。4.闡述在電商推薦系統中，關聯規則挖掘相比其他推薦方法的優勢與局限性。優勢：能發現商品間潛在關聯，推薦相關商品，挖掘用戶未被發現的需求；基于歷史交易數據，挖掘簡單直接。局限性：依賴歷史數據，對新商品和新用戶推薦效果差；挖掘的關聯可能是表面的，缺乏語義理解；計算量大，處理實時性推薦有挑戰。答案一、單項選擇題1.D2.D3.A4.C5.C6.A7.A8.A9.C10.D