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]
5.5.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）。
5.10 假定描述BigUniversity大学生的数据关系已泛化为表5-13的广义关系R.(题目见P179)
（a）画出status,major,age,nationality的概念分层 学生可以轻松地勾勒出相应的概念层次。
(b)写一个程序，对所有层使用一致的支持度，详见P179
.(c)使用层交叉单项过滤，详见P179
5.14 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 6.1 简述决策树分类的主要步骤。
6.6 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。
We will use the RainForest algorithm for this problem. Assume there are C class labels. The most memory required will be
for AVC-set for the root of the tree. To compute the AVC-set for the root node, we scan the database once and construct the AVC-list for each of the 50 attributes. The size of each AVC-list is 100×C. The total size of the AVC-set is then 100× C
×50, which will easily fit into 512MB of memory for a reasonable C. The computation of other AVC-sets is done in a
similar way but they will be smaller because there will be less attributes available. To reduce the number of scans we can compute the AVC-set for nodes at the same level of the tree in parallel. With such small AVC-sets per node, we can probably fit the level in memory.
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。
6.11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？
（d）为给定的数据设计一个多层前馈神经网络。标记输入和输出层节点。
（e）使用上面得到的多层前馈神经网络，给定训练实例（sales,senior,31..35,46K..50K）,给出后向传播算法一次迭代的权重值。指出你使用的初始权重和偏倚以及学习率。
6.12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。 7.1简单地描述如何计算由如下类型的变量描述的对象间的相异度： （a）数值（区间标度）变量 (b)非对称的二元变量 （c）分类变量 （d）比例标度变量 （e）非数据微量对象
7.2给定年龄变量的如下测量值：18; 22; 25; 42; 28; 43; 33; 35; 56; 28;用如下的方法对该变量标准化
（a）计算两个对象之间的欧几里得距离 （b）计算两个对象之间的曼哈顿距离
(c) 计算两个对象之间的闵可夫斯基距离，用p=3
7.6 假设数据挖掘的任务是将如下的八个点(用（x,y）代表位置)聚类为三个簇。
A1(2; 10);A2(2; 5);A3(8; 4);B1(5; 8);B2(7; 5);B3(6; 4);C1(1; 2);C2(4; 9):
距离函数是欧几里得距离。假设初始我们选择A1, B1,和 C1分别为每个簇的中心，用k均值算法只给出 (a) 在第一轮执行后的三个簇中心 (b) 最后的三个簇