數(shù)據(jù)挖掘試卷一-資料下載頁(yè)
2025-03-25 03:00本頁(yè)面
【正文】 挖掘單維布爾關(guān)聯(lián)規(guī)則的常用算法，該算法利用頻繁項(xiàng)集性質(zhì)的先驗(yàn)知識(shí)，從候選項(xiàng)集中找到頻繁項(xiàng)集。（1）Aprior算法包括哪兩個(gè)基本步驟（2）對(duì)下圖中所示的事務(wù)數(shù)據(jù)記錄D，（|D|＝4），請(qǐng)用圖示與說(shuō)明解釋如何使用Apriori算法尋找D中的頻繁項(xiàng)集。（假設(shè)最小事務(wù)支持計(jì)數(shù)為2）TID項(xiàng)ID的列表T100A,C,DT200B,C,ET300A,B,C,ET400B,E2．判定樹歸納算法是一種常用的分類算法（1）請(qǐng)簡(jiǎn)述判定樹歸納算法的基本策略（2）使用判定樹歸納算法，根據(jù)顧客年齡age（分為3個(gè)年齡段：18，18...23，23），收入ine（取值為high，medium，low），是否為student（取值為yes和no），信用credit_rating等級(jí)（取值為fair和excellent）來(lái)判定用戶是否會(huì)購(gòu)買PC Game，即構(gòu)建判定樹buys_PCGame，假設(shè)現(xiàn)有的數(shù)據(jù)經(jīng)過(guò)第一次劃分之后得到如下圖所示結(jié)果，并根據(jù)該結(jié)果對(duì)每一個(gè)劃分中的各個(gè)屬性計(jì)算信息增益對(duì)age18的顧客：Gain(ine)=，Gain(student)=，Gain(credit_rating)=對(duì)age23的顧客：Gain(ine)=，Gain(student)=，Gain(credit_rating)=請(qǐng)根據(jù)以上結(jié)果繪制出判定樹buys_PCGame。（4分）3訓(xùn)練數(shù)據(jù)集合age、student、ine、rating這四個(gè)屬性，其類別屬性為buys，它有兩個(gè)不同的取值：{yes，no}。設(shè)C1對(duì)應(yīng)類別 buys=yes，C2對(duì)應(yīng)類別 buys=noAgeIneStudentRatingBuys=30HighNoFairNo=30HighNoExcelNo3040HighNoFairYes40MediumNoFairYes40LowYesFairYes40LowYesExcelNo3040lowYesExcelYesAgeIneStudentRatingBuys=30MediumNoFairNo=30LowYesFairYes 40MediumYesFairYes=30MediumYesExcelYes3040MediumNoExcelYes3040HighYesFairYes40MediumNoExcelNo（a） 為什么樸素貝葉斯分類稱為“樸素”？根據(jù)上面訓(xùn)練數(shù)據(jù)集，采用樸素貝葉斯分類方法對(duì)下列未知樣本進(jìn)行分類，并給出具體步驟，其中未知樣本為：X=（age=“30”,ine=medium,student=yes,rating=fair）
畢業(yè)設(shè)計(jì)相關(guān)推薦
鄂ICP備17016276號(hào)-1