数据挖掘导论第六章中文答案

第六章数据挖掘导论1。对于每个下列问题，提供一个关联规则的一个例子 从市场购物篮域，满足下列条件。同样，这些规则是主观地描述是否有趣。(一)一个规则，具有较高的支持和高的信心。答:牛奶-面包。这种明显的规则往往是无趣的。(b)规则，有相当高的支持，但信心不足。|答:牛奶-金枪鱼。而出售金枪鱼和牛奶可能是高于阈值，并不是所有的事务，包含牛奶|也包含金枪鱼。这种低规则往往是无趣的。(c)一个规则，低的支持和信心不足。答:食用油一洗衣粉。如此低的信心规则往往是无趣的。(d)规则,低支持和高的信心。答:伏特加一鱼子酱。这样的规则往往是有趣的2。考虑到数据集显示于表格。(一)计算支持项集 e , b、d , b、d、e 通过治疗每个事务ID作为一个市场购物篮。答：Table 6.1. Example of rwrket basket transactionsIDTraiiriaction IDtwis Bought10001%4叫10021位也qc200122一003130015色”30022也小d0029忖40040(%瓦研5003350038欣,电j式叩=2 = 58s曲明=水=62网加 &叫= o.j|(小(b) Use the results in part (a) to compute the confidence for the association rules b, d - e and e f b, d. Is confidence a symmetric measure02 c（bd 二 千二in（B：c（e * b</） = - = 25%c、重复部分（一）通过将每个客户ID作为一个市场购物篮。每个项目应被视为一个二进制变量（1如果一个项目出现在至少有一个交易购买的顾客，和0否则。）网明=2 =5与（&,） 1=。.8e没有明显关系s1,s2,c1和c2口d3.(a) Wliat 询 the confidcn<T! for 1ho nilcs 0 *and A * 0?Answer:c(J * A) =* A).,再一 0) = IQO乐(h Jx't i；f and / hr the confidr-nrc cf th*1 rules p g, 7 > %/. Rid m q： rctipcctivvly. Lf wc assume that 勺.c5t and eg have different values, what are the possible relationships thnt my( xist ai nong ct. c2: and，口？ ,7hi(Q ruk has tho Iowcst ('iifdoure? Answer;_日ip.s - 4p)_ 日(puquri6 _»<F)npugur) m “中力Considering «(p) > s(p Ug) > a(pU gU r)Thus； cl ± c2 k cU ± c2.Therefore c2 ha tlu lowest confidence、(f) Reprat the aruilysis in part (b) fvsNiimiiig that the rules havr idfBTical tupperl. Which rule has the liighcst cDtifidciice?Answer:C-tmsidrnng 导 jpUq = sp U U r) hut *(?) > s(p U r) Thus; c3 > (cl = c2)所以c2有最低的置信度(d) Lraiisitivit y: Suppose the txjiiEdeiice oi the rules A* 2? and B 口air higer than some t.hrrrnhold, mivcavf. Is it passible that A C has a conftclcnoe Less than minconf!Answer;Yest It depends on the support of items .4, J?. and CFur example;s(A,B) = 60% b(A) = 90%s(A,C) = 20% .B) = 70%s(EtC)= E晚 s(C) = 60%Let mtn coii f = 50y Ptwrebre:e(A 一 E)= 66% > rmneent fc(B C =71% > minconfBut c(A - C) 22% <4、C is an anti-monotone measure because、JJ)之 <(工I,工a：，工一丸41)(G.?jFor rxampk, vt ran romparc rhr vjiIiiq异 of C, for 4. /? and 4, f?.C.岂4阴)niin («月 一 A)min,s(A.B) 小(审)，吕)HA H)饵同min c(A 一一 AC),c(C AB)min (C) (14, BtC)ff(A) 14占(乩&。),sU, 5(。】MU因此( A B ) "( A,B,C )因为年代(A,B,C)隼彳(A,B游口 max(s(一个),s(B),s(C)max代(),s(B),(b)is ron-monotonc. Wo can show this bv comparing 4.£?) against 仪4况。).孤40)min (c(A - A)(6.5)A)3).z«(A,B)max(s(A)9 s(B)D(4H,C) = min(c(AB > C),c(AC B),c(BC-=n"rM -8) ' s(4C) ' M&C)=s(4-Smax(s(4 B),C),s(B, C)Since<»(j4.B.G) < s(A.B) and max(s(>l. B).s(4, C),s(B.C) < max(5(4),s(B), thereforecan be greater than or less than rj(A.Hence, the measure is non-monotone.Let('(百几月= 111ac(Ai - 4如 - - Mit)c(兑总* Mjt-i)C(A.B = maxL(/ 日)百日一.A)_ mw. Wi.第-4 国_1 s(A 1 m：/?)'_/40mi-j4.s(砌)门4昆C)max (cA 一k BC)D 一 AC).c(C 4口)i(j4. J?.C) s(A, B. C).max (：L, -.：L)以小)缸B)x(C)3)Since5(4区 C) < 8(AtB) and nun(4),若闻。)< min(s(A), 5(Z?), '(4&(7) can be greater thaj or less than <7Therefore, th<? iiiraurp is. ibon-inoriotoiio.Letd(<1 儿2,+4) = max(A?-一c(Ai. Ajt-i 4)= max (-c(/lc(B -AN) M4E)i =max f-,f )s(4)式R)'_ x(A, B)min(s.4 s(JJ)爪4召.G)max (c(AB 一 C),c(AC - B),c(BC 一 A)网儿B)，网4C) 1.氏C)s (J1. B. (7)mm 国 A, 8)闻4.。)8, C)俗10)因为 s(A,B,C)c s(A,B)和最小(s(A,B),s(A,C),s(B,C序 min(s(一个),s(B),s(C) wmin(s(一个),s(B)、4 A,B,C 可以大于或小于 小A、B )。因此，这些措施是单调。6.考虑表&23中显示的购物篮事务.舞日/3曲播装务事鼻1D1245 自78910I华妨.M着L尿也| ，出位.黄岫，牛好】 牛奶.尿布.擀干 1面包.黄蟒干1 t呻商，饼干，尿布1 t午的，屎布.莺包.黄油1 而但.款他尿布| 中酒，黑布1IT®-聚布.面包，黄油1 |»W,饵干）从这些数据中，能修提取出的美联规则的量入数量是彝少包括零支符度的规则）？出）能够提取的频繁项媒的最大氏度是多少（假定最小支持度0） ?（c）写印业谟数据集中能储提取的主顶集的最大数段的表达式.Cd）找出一个具有最大哀拧度的项第（长度为2震更大）.S）找出一对项#和弧 使得规则Sf 川和bjf g具有相同的皆信度.（一）的最大数量，可以提取关联规则从这个数据（包括规则，零支持）答:有六项数据集。因此总规则的数量是602。（b）什么是频繁项集的最大大小，可以提取（假设用来 0）答:因为最长的事务包含4项，最大频繁项集的大小是4。（c）编写一个表达式最大数量的大小3项集,可以源自这个数据集。答：；二：【_ ： 工（d）找到itemset（大小为2或更大，拥有最大的支持。答:面包、黄油。（e满到一双项目启和"这样的规则一 b 和 b -一有同样的信心。答:（啤酒,饼干）或（面包、黄油）。7.考感F面的频箫3-项集的集合tLZ3J1,2,4LLZ1JL£4J, 1135kpi 3t 4, 2,3, 54,5假定数据辑中只有5个项.W 列出采用式a”】含井策珞，由候选产生过程得到的所有候选4闻集.（h）列出由"京万肯法的候选产生过程得到的所有候选4项集，（C）列用力）算法候选的枝亦舞后剩下的所行候选4«的恨.1,2,4,5,1,2,4,6,1,2,5.6.1.345,1,346卜2345.2,3,4,6,2,3,5,6.(b) List all candidate 4-itemsets obtained by the candidate generation procedure in Apiion.Answer;1,2,3,4, 1,2,3,5, 1,2,4,5, 2,3,4,5, 234,6.(c) List all candidate 4-itrmscts that survive the candidate pruning step of the Apiioin algorithm.Answer:1,2,3,418. Apr/"/算法使用产生-计数的策略找出频繁项集。通过合并-对大小为大的频繁项集得到一 个大小为4+1的帔选项集(称作候选产生步骤).在候选项集剪枝步骤中，如果一个候选项 集的任何个子集是不频繁的，则该候选项集将被丢弃假定将Apriorf尊法用于表&24所示 数据集，最小支持度为30%,即任何个项集在少于3个事务中出现就被认为是非频繁的.表6-24的物篮事务的例子事务m账买项J|o. b.d.f)2瓦cM3a. b.d"14(a. e.rf.r1S他6lb, 4 八7Cd8M瓦c)9",C10WM(a)国由表示衣6-24所示数据集的项集格。用F面的字国标记格中每个结点。 N：如果该项集被AprtoH算法认为不是候选项集.一个项集不是候选项集有两种 可能的原因：它没有在候选项集产生步骤产生，或它在候选项集产牛.步骤产生， 但是由于它的个子集是非频繁的而在候选项集剪枝步骤被丢掉， F：如果该候选项集被Ap也冗算法认为是频繁的. I：如果经过支持度谛效后，该候选项集被发现是非频繁的.（b）期繁顼箧的白分比是多少？（考虑格中所有的项集）比例的频繁项集=16/32 = %（包才null 设置）。（c）对F谈数据集，月产侬胃算法的的枝率是多少？前枝率定义为由于如卜原因不认为 量候it物项集所占的门分比：在候选刖集产生时耒破产生,哽在候选剪肢步嘴被力棹门457125(158)456)459(4567Figures,?. An example of a hash tre stmcture修剪比率的比例是 N的总数量的项目集。因为的计数N = 11,因此修剪比例是11/32 = %。假警告率是界少？（假警告事是指蛭过支持度计箱后被发现是非频繁的候诜1更集所占 的疔分ttQ误警率的比值我总数量的项目集。因为计数的我=5,因此误警率是 532 = %。