2025年新版关联规则题目及答案.docVIP

2025年新版关联规则题目及答案

一、单项选择题（每题2分，共10题）

1.以下哪个不是关联规则挖掘中常用的度量指标？

A.支持度

B.置信度

C.准确率

D.提升度

答案：C

2.在关联规则中，“{牛奶}-{面包}”，这表示？

A.购买牛奶的人一定购买面包

B.购买面包的人一定购买牛奶

C.购买牛奶的人可能购买面包

D.牛奶和面包没有关联

答案：C

3.关联规则挖掘的主要目的是发现？

A.数据中的分类关系

B.数据中的频繁项集和关联关系

C.数据中的聚类关系

D.数据中的异常值

答案：B

4.支持度的计算公式是？

A.包含项集的事务数/总事务数

B.包含前件和后件的事务数/包含前件的事务数

C.包含前件和后件的事务数/包含后件的事务数

D.包含后件的事务数/总事务数

答案：A

5.提升度大于1意味着？

A.前件和后件没有关联

B.前件和后件负相关

C.前件和后件正相关

D.无法判断关联关系

答案：C

6.Apriori算法的核心思想是？

A.从大数据集中直接找出频繁项集

B.基于频繁项集的性质进行逐层搜索

C.随机选取项集进行评估

D.利用聚类方法找出频繁项集

答案：B

7.以下哪个是Apriori算法的缺点？

A.计算量小

B.不需要多次扫描数据集

C.产生大量候选项集

D.对大数据集效率高

答案：C

8.关联规则“{尿布}-{啤酒}”的置信度计算方式为？

A.购买尿布和啤酒的人数/购买尿布的人数

B.购买尿布和啤酒的人数/购买啤酒的人数

C.购买尿布的人数/购买啤酒的人数

D.购买啤酒的人数/购买尿布的人数

答案：A

9.在关联规则挖掘中，最小支持度阈值的作用是？

A.控制生成的频繁项集数量

B.确定关联规则的强度

C.计算提升度

D.计算置信度

答案：A

10.FP-growth算法与Apriori算法相比，优势在于？

A.不需要构建候选项集

B.计算量更大

C.对大数据集效率低

D.产生更多中间结果

答案：A

二、多项选择题（每题2分，共10题）

1.以下属于关联规则挖掘应用领域的有？

A.市场营销

B.医疗诊断

C.文本挖掘

D.图像识别

答案：ABC

2.计算关联规则的度量指标有？

A.支持度

B.置信度

C.提升度

D.均方误差

答案：ABC

3.关联规则挖掘中可能面临的问题有？

A.计算复杂度高

B.数据稀疏性

C.规则的有效性评估

D.数据缺失值处理

答案：ABCD

4.以下哪些算法是用于关联规则挖掘的？

A.Apriori算法

B.FP-growth算法

C.K-means算法

D.DBSCAN算法

答案：AB

5.提升度可以反映关联规则的？

A.可靠性

B.实用性

C.全面性

D.稳定性

答案：AB

6.关联规则挖掘过程包括？

A.数据预处理

B.频繁项集生成

C.关联规则生成

D.规则评估

答案：ABCD

7.频繁项集的性质有？

A.频繁项集的所有子集也是频繁项集

B.非频繁项集的超集一定是非频繁项集

C.频繁项集的超集一定是频繁项集

D.非频繁项集的子集一定是非频繁项集

答案：AB

8.数据预处理在关联规则挖掘中的作用有？

A.数据清洗

B.数据转换

C.数据集成

D.数据采样

答案：ABCD

9.关联规则的表示形式可以是？

A.{A}-{B}

B.A?B

C.{A,B}-{C}

D.A,B?C

答案：ABCD

10.在Apriori算法中，剪枝策略的作用是？

A.减少候选项集数量

B.提高算法效率

C.保证频繁项集不被遗漏

D.生成更多关联规则

答案：ABC

三、判断题（每题2分，共10题）

1.支持度越高的关联规则一定越有价值。（×）

2.置信度为1的关联规则表示前件出现时后件必然出现。（√）

3.Apriori算法每次扫描数据集都会生成新的候选项集。（√）

4.提升度小于1说明前件和后件是正相关。（×）

5.FP-growth算法比Apriori算法更适合处理大数据集。（√）

6.关联规则挖掘只能处理数值型数据。（×）

7.最小支持度阈值设置越高，生成的频繁项集可能越少。（√）

8.一个频繁项集的所有子集都一定是频繁项集。（√）

9.关联规则挖掘不需要对数据进行预处理。（×）

10.计算关联规则的置信度不需要考虑支持度。（×）

四、简答题（每题5分，共4题）

1.简述关联规则挖掘的基本概念。

答案：关联规则挖掘旨在