利用Apriori算法計(jì)算頻繁項(xiàng)集可以有效降低計(jì)算頻繁集的時(shí)間復(fù)雜度。在以下的購(gòu)物籃中產(chǎn)生支持度不小于3的候選3-項(xiàng)集,在候選2-項(xiàng)集中需要剪枝的是()
ID 項(xiàng)集
1 面包、牛奶
2 面包、尿布、啤酒、雞蛋
3 牛奶、尿布、啤酒、可樂(lè)
4 面包、牛奶、尿布、啤酒
5 面包、牛奶、尿布、可樂(lè)
A.啤酒、尿布
B.啤酒、面包
C.面包、尿布
D.啤酒、牛奶
您可能感興趣的試卷
你可能感興趣的試題
A.聚類(lèi)
B.切片
C.轉(zhuǎn)軸
D.切塊
E.分類(lèi)
A.數(shù)據(jù)的抽取
B.存儲(chǔ)和管理
C.數(shù)據(jù)的表現(xiàn)
D.數(shù)據(jù)倉(cāng)庫(kù)設(shè)計(jì)
A.數(shù)據(jù)倉(cāng)庫(kù)就是數(shù)據(jù)庫(kù)
B.數(shù)據(jù)倉(cāng)庫(kù)是一切商業(yè)智能系統(tǒng)的基礎(chǔ)
C.數(shù)據(jù)倉(cāng)庫(kù)是面向業(yè)務(wù)的,支持聯(lián)機(jī)事務(wù)處理(OLTP)
D.數(shù)據(jù)倉(cāng)庫(kù)支持決策而非事務(wù)處理
E.數(shù)據(jù)倉(cāng)庫(kù)的主要目標(biāo)就是幫助分析,做長(zhǎng)期性的戰(zhàn)略制定
A.數(shù)據(jù)倉(cāng)庫(kù)是面向主題的
B.數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)是集成的
C.數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)是相對(duì)穩(wěn)定的
D.數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)是反映歷史變化的
E.數(shù)據(jù)倉(cāng)庫(kù)是面向事務(wù)的
A.主成分分析
B.特征提取
C.奇異值分解
D.特征加權(quán)
E.離散化
最新試題
一個(gè)時(shí)間序列由長(zhǎng)期趨勢(shì)、季節(jié)變動(dòng)、循環(huán)波動(dòng)和不規(guī)則波動(dòng)四種成分構(gòu)成,()。
下列戰(zhàn)略中屬于合資經(jīng)營(yíng)中的基本戰(zhàn)略的是()。
以下企業(yè)核心競(jìng)爭(zhēng)力系統(tǒng)的組織部分,正確的是()。
在以下條件下,需求可能缺乏彈性()。
用邏輯回歸方法得到的分析結(jié)果中,其中預(yù)測(cè)為正類(lèi)的有102個(gè),其中78個(gè)預(yù)測(cè)正確。預(yù)測(cè)為負(fù)類(lèi)的有115個(gè),其中83個(gè)預(yù)測(cè)正確。那么正類(lèi)的precision和recall各是多少()。
標(biāo)準(zhǔn)正態(tài)分布的期望值μ和標(biāo)準(zhǔn)差σ分別為()
時(shí)間序列會(huì)受()因素共同作用。
以下對(duì)SVM算法的描述中正確的是()。
關(guān)于logistic回歸的說(shuō)法中不正確的是()。
相比其他決策分類(lèi)模型,隨機(jī)森林算法模型的優(yōu)點(diǎn)有()。