Cho cây quyết định như hình vẽ. Có bao nhiêu luật sinh ra từ cây quyết định trên: 

Phân tích thuật toán Apriori:

* Bước 1: Tạo Candidate set C3:
* Từ L2, ta tạo C3 bằng cách kết hợp các tập mục có chung (k-1) phần tử đầu tiên. Ở đây, k=3.
* {A,C} kết hợp với {B,C} => {A,B,C}
* {A,C} kết hợp với {C,E} => {A,C,E}
* {B,C} kết hợp với {B,E} => {B,C,E}
* {B,E} kết hợp với {C,E} => {B,C,E}
* Vậy C3 = {{A,B,C}, {A,C,E}, {B,C,E}}

* Bước 2: Loại bỏ các tập mục không thường xuyên:
* Loại các tập mục con (2-itemsets) không có trong L2.
* Trong {A,B,C}: {A,B} không có trong L2 -> Loại {A,B,C}
* Trong {A,C,E}: {A,E} không có trong L2 -> Loại {A,C,E} (Đề bài cho {A,E} không là tập mục thường xuyên).
* Trong {B,C,E}: Tất cả tập con {B,C}, {B,E}, {C,E} đều có trong L2.

* Bước 3: Tạo L3:
* L3 chỉ chứa các tập mục còn lại sau khi loại bỏ.
* Vậy L3 = {{B, C, E}}

Vậy đáp án đúng là: a. L3={{B, C, E}}

Cây điều kiện FP của một nút là tập hợp các tiền tố đường dẫn trong FP-Tree cùng với số lần xuất hiện của chúng, các đường dẫn này kết thúc ở nút đó.
Trong trường hợp này, nút 'f' có các đường dẫn sau:
- c:3, a:3, f:3
- f:1
Vì vậy, cây điều kiện FP của nút 'f' là {f:3, c:3, a:3, f:1}. Ta cộng tần số của f lại, đường dẫn này có thể được biểu diễn rút gọn thành {f:4, c:3, a:3}. Do đó, đáp án d không đúng hoàn toàn, đáp án đúng hơn là {f:4, c:1}, vì chỉ xét các nút có điều kiện với f.

Dựa vào đồ thị, ta thấy thời gian thực thi của thuật toán FP-Growth luôn ít hơn thời gian thực thi của thuật toán Apriori khi số lượng giao dịch tăng lên. Điều này là do FP-Growth sử dụng cấu trúc cây FP-Tree để nén dữ liệu, giảm thiểu số lần quét cơ sở dữ liệu, trong khi Apriori cần quét cơ sở dữ liệu nhiều lần để tìm tập phổ biến. Vì vậy, đáp án đúng là b.

Câu hỏi này kiểm tra kiến thức về các ứng dụng của Data Mining (Khai phá dữ liệu). Data Mining là quá trình khám phá tri thức từ một lượng lớn dữ liệu. Nó được ứng dụng rộng rãi trong nhiều lĩnh vực và hệ thống, đặc biệt là các hệ quản trị cơ sở dữ liệu mạnh mẽ.

* a. Hệ quản trị CSDL SQL Server: SQL Server là một hệ quản trị cơ sở dữ liệu quan hệ mạnh mẽ, hỗ trợ nhiều tính năng Data Mining thông qua các công cụ và thuật toán được tích hợp. Đây là một ứng dụng phổ biến của Data Mining.
* b. Hệ quản trị CSDL Access: Access là một hệ quản trị cơ sở dữ liệu nhỏ, chủ yếu được sử dụng cho các ứng dụng cá nhân hoặc nhóm nhỏ. Mặc dù có thể thực hiện một số phân tích dữ liệu đơn giản, nhưng nó không phải là một nền tảng chính cho Data Mining.
* c. Hệ quản trị CSDL Foxpro: Foxpro là một hệ quản trị cơ sở dữ liệu đã lỗi thời và không còn được sử dụng rộng rãi. Nó không có các tính năng hoặc công cụ Data Mining hiện đại.
* d. Microsoft Word 2010: Word là một phần mềm soạn thảo văn bản, không liên quan đến Data Mining.

Do đó, đáp án đúng là a. Hệ quản trị CSDL SQL Server.