Cho CSDL giao dịch như hình vẽ với Min_Support = 2 (50%).

Sử dụng thuật toán Apriori để tìm các tập mục thường xuyên, số lần duyệt CSDL là:

3 lần

2 lần

4 lần

1 lần

Trả lời:

Đáp án đúng: A

Thuật toán Apriori hoạt động bằng cách duyệt CSDL nhiều lần. Mỗi lần duyệt, thuật toán tìm ra các tập mục phổ biến có kích thước tăng dần. * **Lần 1:** Tìm các mục phổ biến có kích thước 1 (các mục xuất hiện ít nhất 2 lần). * **Lần 2:** Kết hợp các mục phổ biến tìm được ở lần 1 để tạo ra các tập mục có kích thước 2, và kiểm tra xem tập mục nào là phổ biến (xuất hiện ít nhất 2 lần). * **Lần 3:** Kết hợp các tập mục phổ biến tìm được ở lần 2 để tạo ra các tập mục có kích thước 3, và kiểm tra xem tập mục nào là phổ biến. Trong CSDL này, sau lần duyệt thứ 3, không có tập mục phổ biến nào có kích thước 3, do đó thuật toán dừng lại. Vậy số lần duyệt CSDL là 3.

200+ câu hỏi trắc nghiệm Data mining có lời giải chi tiết - Phần 4

50 câu hỏi 60 phút

Bắt đầu thi

Câu hỏi liên quan

Câu 46:

Cho cây quyết định như hình vẽ. Hãy cho biết Refund=’No’, MarSt = ‘Single’, TaxInc=’140K’ thì kết luận có giá trị gì?

Cho cây quyết định như hình vẽ. Hãy cho biết Refund=’No’, MarSt = ‘Single’, TaxInc=’140K’ thì kết (ảnh 1)

Lời giải:

Đáp án đúng: A

Để xác định kết luận cho trường hợp Refund='No', MarSt='Single', TaxInc='140K', ta theo các bước sau trên cây quyết định:

1. Refund = 'No': Đi theo nhánh 'No' từ nút gốc.
2. MarSt = 'Single': Đi theo nhánh 'Single' từ nút 'MarSt'.
3. TaxInc = '140K': Giá trị này lớn hơn 130K, do đó đi theo nhánh bên phải.

Như vậy, kết luận cuối cùng là 'No'.

Câu 47:

Cho tập ví dụ học như bảng. Entropy của thuộc tính Outlook = ‘Sunny’ là:

Lời giải:

Đáp án đúng: A

Để tính Entropy của thuộc tính Outlook khi Outlook = ‘Sunny’, ta cần xem xét các trường hợp Yes/No tương ứng trong tập dữ liệu khi Outlook = Sunny.

Từ bảng dữ liệu, ta thấy khi Outlook = Sunny:
- Có 2 trường hợp PlayTennis = Yes
- Có 3 trường hợp PlayTennis = No

Tổng số trường hợp Outlook = Sunny là 5.

Vậy Entropy(Outlook = ‘Sunny’) được tính như sau:
Entropy = - (2/5) * log2(2/5) - (3/5) * log2(3/5)
Entropy ≈ -0.4 * (-1.32) - 0.6 * (-0.74)
Entropy ≈ 0.528 + 0.444
Entropy ≈ 0.972

Giá trị này gần với 1, nhưng không có đáp án nào chính xác là 0.972, do đó đáp án chính xác nhất là "a. Giá trị khác".

Câu 48:

Cho tập ví dụ học như bảng. Sử dụng thuật toán ILA. Có bao nhiêu tổ hợp gồm có 1 thuộc tính:

Lời giải:

Đáp án đúng: A

Thuật toán ILA (Incremental Learning Algorithm) là một thuật toán học tăng cường, tìm ra các luật để mô tả dữ liệu. Trong trường hợp này, chúng ta cần xác định số lượng tổ hợp có thể tạo ra từ 1 thuộc tính.

Từ bảng dữ liệu, ta thấy có 4 thuộc tính (cột) là:
1. Hóa đơn
2. Độ tuổi
3. Thu nhập
4. Tín dụng

Như vậy, số tổ hợp gồm 1 thuộc tính là 4.

Câu 49:

Cho tập ví dụ học như bảng. Sử dụng thuật toán ILA. Có bao nhiêu tổ hợp gồm có 4 thuộc tính phân biệt:

Lời giải:

Đáp án đúng: A

Thuật toán ILA (Inductive Learning Algorithm) được sử dụng để tìm các quy tắc phân loại từ dữ liệu. Câu hỏi yêu cầu tìm số tổ hợp của 4 thuộc tính phân biệt. Nếu có 5 thuộc tính (A, B, C, D, E), số tổ hợp chập 4 của 5 là C(5,4) = 5! / (4! * 1!) = 5. Tuy nhiên, do không có đáp án 5, cần xem xét thêm thông tin từ tập dữ liệu cụ thể để xác định số tổ hợp thực sự phân biệt. Nếu không có thêm thông tin, ta không thể xác định một đáp án chính xác từ các lựa chọn cho trước.

Câu 50:

Cho FP-Tree như hình vẽ, cây điều kiện FP của nút a là:

Lời giải:

Đáp án đúng: B

Cây điều kiện FP của một nút là tập hợp các tiền tố đường dẫn trong FP-Tree kết thúc tại nút đó. Trong trường hợp nút 'a', chúng ta tìm các đường dẫn đến 'a' và đếm số lần xuất hiện của mỗi nút trên đường dẫn đó. Dựa vào hình ảnh FP-Tree đã cho, ta thấy có hai đường dẫn đến 'a':

1. Đường dẫn f -> c -> a: f xuất hiện 3 lần, c xuất hiện 3 lần, và a xuất hiện 3 lần.

2. Đường dẫn f -> a: f xuất hiện 1 lần và a xuất hiện 1 lần.

Như vậy, cây điều kiện FP của nút 'a' bao gồm các nút {f:3, c:3, a:3}.

Câu 1:

Thuật ngữ Knowledge Discovery from Databases – KDD có nghĩa là:

Lời giải: