设s’是s的非空子集，则

由（b）可知：support_count(s') support count(s)，

此外，confidence(s’) 所以，规则

(l-s’)) confidence(s) (l- s)) 。

的置信度不可能大于

6.6设数据库有5个事务。设min_sup =60%, min_conf=80%

(a)分别使用Apriori和FP增长算法找出所有频繁项集。比较两种挖掘过程的效率。

效率比较：Apriori需多次扫描数据库而FP增长建立FP树只需一次的扫描。在Apriori算法中产生候选是昂贵的（由于联接），而FP增长不产生任何候选。

(b)列举所有与下面的元规则匹配的强关联规则（给出支持度S和置信度C）,其中，X是代表顾客的变量，itemi是表示项的变量（如：“A”、“B”等）：

答： k,o e [0.6,1]

e,o k [0.6,1]

6.8.数据库有4个事务，设min_sup =60%, min_conf=80%

（a）在item_category粒度（例如，itemi 可以是“Milk”），对于下面的规则模板

对最大的k,列出频繁k项集包含最大的k的频繁k项集的所有强关联规则（包括它们的支持度S和置信度c）. (b)在 粒度（例如：itemi 可以是“Sunset-Milk”）对于下面的规则模板

对最大的k，列出频繁k项集（但不输出任何规则）。

6.14 下面的相依表汇总了超级市场的事务数据。其中，hot dogs表示包含热狗的事务，hot dogs表示不包含热狗的事务，hamburgers表示包含汉堡包的事务，hamburgers表示不包含汉堡包的事务，

（a）假定挖掘出了关联规则该关联规则是强规则吗？

答：根据规则， support = 2000/5000 = 40%， confidence = 2000/3000 = 66.7%. 该关联规则是强规则.

。给定最小支持度阀值25%，最小置信度阀值50%，

（b）根据给定的数据，买 hot dogs独立于买humburgers吗？如果不是，二者之间存在何种相关联系。 答：corr{hotdog;hamburger} = P({hot dog, hamburger})/(P({hot dog}) P({hamburger})=0.4/(0.5 × 0.6)

=1.33 > 1. 所以，买 hot dogs不是独立于买humburgers。两者存在正相关关系 8.1 简述决策树分类的主要步骤。

8.5 给定一个具有50个属性（每个属性包含100个不同值）的5GB的数据集，而你的台式机有512M内存。简述对这种大型数据集构造决策树的一种有效算法。通过粗略地计算机主存的使用说明你的答案是正确的。

这个问题我们将使用雨林算法。假设有C类标签。最需要的内存将是avc-set为根的树。计算avc-set的根节点，我们扫描一次数据库，构建avc-list每50个属性。每一个avc-list的尺寸是100×C，avc-set的总大小是100×C×50，对于合理的C将很容易适应512 MB内存，计算其他avc-sets也是使用类似的方法，但他们将较小，因为很少属性可用。在并行计算时，我们可以通过计算avc-set节点来减少同一水平上的扫描次数，使用这种每节点小avc-sets的方法，我们或许可以适应内存的水平。

8.7下表由雇员数据库的训练数据组成。数据已泛化。例如：age “31...35”表示年龄在31-35之间。对于给定的行，count表示department,status,age和salary在该行具有给定值的元组数。设status 是类标号属性。

（a）如何修改基本决策树算法，以便考虑每个广义数据元组（即每一行）的count? (b)使用修改的算法，构造给定数据的决策树。

(c)给定一个数据元组，它在属性department,age和salary的值分别为“systems”,“26..30”,和“46K.. 50K”。该元组status的朴素贝叶斯分类是什么？

9.2支持向量机（SVM）是一种具有高准确率的分类方法。然而，在使用大型数据元组集进行训练时，SVM的处理速度很慢。讨论如何克服这一困难，并为大型数据集有效的SVM算法。