关联分析考试题目与完整答案

关联分析考试题目与完整答案考试时间：______分钟总分：______分姓名：______一、单项选择题（每题2分，共20分。下列每小题备选答案中，只有一个是最符合题意的。）1.在关联分析中，用于衡量项集在事务数据库中出现的频繁程度的是？A.置信度B.提升度C.支持度D.频率2.如果一个关联规则A->B的支持度是40%，置信度是70%，那么该规则的不确定性（Uncertainty）是多少？A.30%B.60%C.10%D.40%3.下列关于关联规则A->B置信度的说法中，正确的是？A.支持度(A)/支持度(B)B.支持度(AUB)/支持度(A)C.支持度(AUB)/支持度(B)D.支持度(A)/支持度(AUB)4.提升度（Lift）衡量的是？A.规则的预测精度B.规则的强度C.规则中项集之间协同出现的程度D.规则的覆盖范围5.关联规则挖掘算法Apriori的核心思想是？A.基于决策树进行分类B.基于聚类分析进行分组C.利用频繁项集的性质进行迭代挖掘D.基于神经网络进行模式识别6.下列哪个属性不是衡量关联规则质量的标准？A.支持度B.置信度C.提升度D.错误率7.在Apriori算法中，为了减少后续搜索的计算量，采用了什么重要性质？A.非对称性B.构成性C.闭包性D.非单调性8.相比于Apriori算法，FP-Growth算法的主要优点是？A.能够挖掘更复杂的时序关联规则B.能够处理缺失值C.通常具有更高的执行效率，特别是对于大规模数据集D.能够直接挖掘关联子图9.在进行关联规则挖掘之前，对原始数据进行预处理通常不包括以下哪项？A.数据清洗B.数据集成C.数据变换（如归一化）D.事务数据库的构建10.以下哪个领域不是关联分析技术的典型应用场景？A.购物篮分析B.网页点击流分析C.医疗诊断D.视频目标跟踪二、多项选择题（每题3分，共15分。下列每小题备选答案中，有二个或二个以上是最符合题意的，请将正确选项的代表字母填写在题干后的括号内。少选、多选、错选均不得分。）1.关联规则A->B中，支持度、置信度和提升度三者之间存在什么关系？（）A.支持度是衡量规则强度的基础B.置信度表示规则前件预测后件的准确性C.提升度表示规则中项集同时出现的程度D.通常情况下，高置信度的规则也具有高提升度E.支持度和置信度是相互独立的2.下列哪些是关联规则挖掘过程中可能遇到的挑战？（）A.数据稀疏性问题B.规则爆炸问题C.如何选择合适的最小支持度阈值D.规则的可解释性问题E.挖掘时序关联规则3.Apriori算法的主要步骤包括哪些？（）A.扫描事务数据库，生成所有候选频繁项集B.计算候选频繁项集的支持度C.根据支持度阈值筛选出频繁项集D.基于频繁项集生成关联规则E.计算关联规则的置信度和提升度4.频繁项集具有哪些重要的性质？（）A.任何非空子集也必须是频繁的（构成性）B.如果一个项集是不频繁的，那么包含它的任何超集也不可能是频繁的C.项集的闭包性质D.支持度值越高，其包含的子集支持度也越高E.频繁项集之间可能存在关联5.关联分析可以应用于哪些具体场景？（）A.推荐系统（如商品推荐）B.欺诈检测C.用户行为分析D.物品布局优化（如超市货架摆放）E.飞行数据分析三、填空题（每空2分，共20分）1.关联规则A->B的支持度是指同时包含A和B的事务占_______的比例。2.关联规则A->B的置信度是指同时包含A和B的事务占_______的事务的比例。3.关联规则A->B的提升度是指同时包含A和B的事务占只包含_______的事务的比例。4.Apriori算法利用了频繁项集的_______性质，通过生成和测试候选项集来挖掘频繁项集。5.FP-Growth算法通过构建_______树来有效地压缩数据，从而提高挖掘效率。6.在关联规则挖掘中，选择过高的最小支持度阈值可能会导致_______问题。7.在关联规则挖掘中，选择过高的最小置信度阈值可能会导致_______问题。8.评估关联规则A->B的质量时，除了支持度和置信度，常用的指标还有_______。9.关联规则挖掘的第一步通常是从原始数据中构建_______。10.关联规则{牛奶}->{面包}的置信度为80%，意味着在购买牛奶的事务中，有_______的比例也购买了面包。四、简答题（每题5分，共10分）1.简述关联分析的基本概念，包括频繁项集、关联规则、支持度和置信度。2.简述Apriori算法的基本原理，并说明其主要优缺点。五、计算题（每题10分，共20分）1.给定以下事务数据库（包含项A,B,C,D）和最小支持度阈值min_support=50%(即至少需要4个事务包含项集)。T1:{A,B}T2:{B,C}T3:{C,D}T4:{A,D}T5:{A,B,C}T6:{A,C,D}T7:{B,D}T8:{A,B,D}请计算所有单目项集和双目项集的支持度，并筛选出频繁项集。2.基于上述计算得到的频繁项集，生成所有可能的单目项和双目项关联规则。假设最小置信度阈值min_confidence=60%。请计算这些规则的置信度，并筛选出满足min_confidence的规则。六、应用题（10分）假设你是一家在线书店的数据分析师，你收集了用户的购书记录，希望利用关联分析来发现用户购书习惯。请简述你会如何进行关联规则挖掘，并列举至少三个你期望发现的、可能具有商业价值的关联规则，并说明其潜在的应用。试卷答案一、单项选择题1.C解析：支持度用于衡量项集在事务数据库中出现的频繁程度，即项集出现的次数占所有事务次数的比例。2.C解析：不确定性=P(AUB)-P(A)*P(B)。P(AUB)=40%，P(A)=50%，P(B)=62.5%，则不确定性=40%-50%*62.5%=10%。3.B解析：置信度(Confidence)=support(AUB)/support(A)。其中support(AUB)是同时包含A和B的事务数，support(A)是包含A的事务数。4.C解析：提升度(Lift)衡量的是规则中项集之间协同出现的程度，即同时购买A和B的概率与单独购买B的概率之间的比率。Lift=Confidence(A->B)/Support(B)。5.C解析：Apriori算法的核心思想是利用频繁项集的“构成性”原理，即所有频繁项集的子集也必须是频繁的，通过迭代地生成和测试候选项集来挖掘频繁项集。6.D解析：衡量关联规则质量的标准通常包括支持度、置信度和提升度，错误率是分类模型常用的评估指标。7.B解析：Apriori算法采用“构造性”原理，即所有频繁项集的子集也必须是频繁的，这是其生成候选项集和进行剪枝的基础。8.C解析：FP-Growth算法通过构建FP-Tree来有效地压缩数据，避免了Apriori算法多次扫描整个数据库的过程，从而通常具有更高的执行效率，尤其是在处理大规模数据集时。9.C解析：数据变换（如归一化）通常属于数据预处理阶段，但不是关联规则挖掘本身需要的预处理步骤。数据清洗、数据集成和事务数据库的构建更为直接相关。10.D解析：关联分析技术广泛应用于购物篮分析、网页点击流分析、医疗诊断等领域，而视频目标跟踪属于计算机视觉或视频分析范畴。二、多项选择题1.A,B,C,D解析：A正确，支持度是衡量规则强度的基础；B正确，置信度表示规则前件预测后件的准确性；C正确，提升度表示规则中项集同时出现的程度；D正确，通常高置信度意味着规则前件对后件有较好的预测能力，其提升度也可能较高；E错误，支持度和置信度之间存在关联。2.A,B,C,D解析：A正确，数据稀疏性是高维事务数据库中常见的挑战；B正确，规则爆炸问题指生成的潜在关联规则数量非常庞大，难以处理；C正确，选择合适的最小支持度阈值对挖掘结果至关重要；D正确，挖掘出的规则需要具有实际意义，可解释性很重要；E错误，挖掘时序关联规则是关联规则的一种扩展，但不是基本挑战。3.A,B,C,D,E解析：Apriori算法的步骤包括：A)扫描数据库生成候选项集；B)计算候选项集的支持度；C)根据支持度阈值筛选出频繁项集；D)基于频繁项集生成关联规则；E)计算关联规则的置信度和提升度。4.A,B解析：A正确，构成性是频繁项集的重要性质；B正确，不频繁项集的任何超集也不可能是频繁的；C错误，闭包性是另一条性质，指项集的闭包包含其所有子项集的闭包；D错误，支持度高低与子集支持度无必然联系；E错误，频繁项集之间可能关联，但这不是其性质。5.A,B,C,D解析：A正确，商品推荐是关联分析的经典应用；B正确，关联分析可用于识别欺诈模式；C正确，用户行为分析是关联分析的重要应用领域；D正确，物品布局优化可通过分析顾客购买关联来指导；E错误，飞行数据分析更多涉及时间序列分析或预测。三、填空题1.所有事务2.包含A的事务3.B4.构成性5.FP（频繁项）6.规则爆炸7.规则爆炸8.提升度9.事务数据库10.80%四、简答题1.解析：频繁项集：在关联规则挖掘中，频繁项集是指在一个事务数据库中，出现频率超过用户定义的最小支持度阈值（min_support）的项集。关联规则：关联规则是形如A->B的蕴涵式，其中A和B是项集（非空）。它表示如果事务包含A，那么它也可能包含B。支持度：项集X的支持度是指包含项集X的事务数占整个事务数据库中事务总数的比例。用于衡量项集的普遍程度。置信度：关联规则A->B的置信度是指同时包含A和B的事务数占包含A的事务数的比例。用于衡量规则的可信程度，即根据A发生能多大程度上预测B发生。2.解析：Apriori算法的基本原理：Apriori算法是一种基于频繁项集挖掘的关联规则发现算法。其核心思想是利用频繁项集的“构成性”原理（即所有频繁项集的子集也必须是频繁的）。算法通过迭代地生成候选项集并计算其支持度，然后根据最小支持度阈值进行筛选，从而找出所有频繁项集。主要步骤：1.扫描事务数据库，生成所有可能的单元素候选项集。2.计算候选项集的支持度，筛选出支持度大于等于最小支持度阈值的项集，形成第一代频繁项集L1。3.利用频繁项集Lk生成候选频繁项集L(k+1)，方法是将Lk中的每个项集与自身或其他频繁项集合并。4.对生成的候选频繁项集L(k+1)进行支持度计算，并根据最小支持度阈值筛选，得到频繁项集L(k+1)。5.重复步骤3和4，直到无法找到新的频繁项集为止。优缺点：优点：*能够有效地挖掘出所有满足最小支持度阈值的频繁项集。*基于频繁项集的性质，减少了候选项集的生成数量，提高了效率。缺点：*需要多次扫描整个事务数据库，导致计算效率较低，尤其是在处理大规模数据集时。*容易受到数据稀疏性的影响，导致需要非常高的支持度阈值，从而可能遗漏一些有意义的规则（规则爆炸问题）。五、计算题1.解析：计算单目项集支持度：{A}:T1,T5,T6,T8(4次)->支持度=4/8=50%{B}:T1,T2,T5,T7,T8(5次)->支持度=5/8=62.5%{C}:T2,T3,T5,T6(4次)->支持度=4/8=50%{D}:T3,T4,T6,T7,T8(5次)->支持度=5/8=62.5%筛选频繁项集（支持度>=50%=4/8）：频繁项集：{A},{B},{C},{D}计算双目项集支持度：{A,B}:T1,T5,T8(3次)->支持度=3/8=37.5%{A,C}:T5,T6(2次)->支持度=2/8=25%{A,D}:T1,T4,T6,T8(4次)->支持度=4/8=50%{B,C}:T2,T5(2次)->支持度=2/8=25%{B,D}:T1,T7,T8(3次)->支持度=3/8=37.5%{C,D}:T3,T6(2次)->支持度=2/8=25%筛选频繁项集（支持度>=50%=4/8）：频繁项集：{A,D}最终频繁项集：{A},{B},{C},{D},{A,D}2.解析：基于频繁项集{A},{B},{C},{D},{A,D}生成关联规则，并计算置信度（置信度>=60%=3/5）：单目项规则：{A}->{B}:support({A,B})=3/8=37.5%,support({A})=4/8=50%Confidence({A}->{B})=37.5%/50%=75%(>=60%，满足){B}->{A}:support({A,B})=3/8=37.5%,support({B})=5/8=62.5%Confidence({B}->{A})=37.5%/62.5%=60%(>=60%，满足){A}->{C}:support({A,C})=2/8=25%,support({A})=4/8=50%Confidence({A}->{C})=25%/50%=50%(<60%，不满足){C}->{A}:support({A,C})=2/8=25%,support({C})=4/8=50%Confidence({C}->{A})=25%/50%=50%(<60%，不满足){A}->{D}:support({A,D})=4/8=50%,support({A})=4/8=50%Confidence({A}->{D})=50%/50%=100%(>=60%，满足){D}->{A}:support({A,D})=4/8=50%,support({D})=5/8=62.5%Confidence({D}->{A})=50%/62.5%=80%(>=60%，满足)双目项规则：{A,D}->{A}:support({A,D})=4/8=50%,support({A,D,A})=support({A,D})=4/8=50%Confidence({A,D}->{A})=50%/50%=100%(>=60%，满足){A,D}->{D}:support({A,D})=4/8=50%,support({A,D,D})=support({A,D})=4/8=50%Confidence({A,D}->{D})=50%/50%=100%(>=60%，满足)筛选满足min_confidence=60%的规则：{A}->{B}(Confidence=75%){B}->{A}(Confidence=60%){A}->{D}(Confidence=100%){D}->{A}(Confidence=80%){A,D}->{A}(Confidence=100%){A,D}->{D}(Confidence=100%)六、应用题