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

Tập nào là tập mục thường xuyên có độ hỗ trợ cao nhất: 

Để tìm tập mục thường xuyên với độ hỗ trợ 25% (tức là min_support = 2), ta cần xét từng tập mục và đếm số giao dịch chứa tập mục đó:

* {A, C, D}: Chỉ xuất hiện trong giao dịch T1. Vậy support({A, C, D}) = 1, nhỏ hơn min_support = 2. Loại.
* {A, C}: Xuất hiện trong giao dịch T1 và T3. Vậy support({A, C}) = 2, bằng min_support = 2. Thỏa mãn.
* {E, B}: Xuất hiện trong giao dịch T2 và T5. Vậy support({E, B}) = 2, bằng min_support = 2. Thỏa mãn.
* {B, C}: Xuất hiện trong giao dịch T2. Vậy support({B, C}) = 1, nhỏ hơn min_support = 2. Loại.

Như vậy, tập {A, C} và {E, B} là tập mục thường xuyên với độ hỗ trợ là 25% (min_support = 2). Tuy nhiên, trong các đáp án chỉ có {A, C} là đáp án b và {E,B} là đáp án c. Do đó, cả hai đáp án b và c đều đúng. Tuy nhiên, do yêu cầu chỉ chọn một đáp án, có lẽ câu hỏi này có vấn đề hoặc thiếu sót.

Để xác định kết luận cho trường hợp Refund=’Yes’, MarSt = ‘Married’, TaxInc=’40K’, ta đi theo cây quyết định:

1. Bắt đầu tại nút gốc, Refund=’Yes’ nên ta đi theo nhánh Yes.
2. Đến nút MarSt, MarSt = ‘Married’ nên ta đi theo nhánh Married.
3. Kết luận là No.

Vậy đáp án đúng là No.

Để xác định kết luận cho trường hợp Refund='No', MarSt = 'Single', TaxInc='80K', ta theo dõi cây quyết định:
1. Bắt đầu tại nút gốc.
2. Refund = 'No', di chuyển sang nhánh bên phải.
3. MarSt = 'Single', di chuyển sang nhánh bên trái.
4. TaxInc = '80K' (tức là TaxInc > 75K), di chuyển sang nhánh bên phải.
Vậy kết luận là 'No'.

Để tính Entropy của kết luận C= Play Ball, ta cần xác định số lượng các trường hợp Play Ball = Yes và Play Ball = No trong tập dữ liệu.

Từ bảng dữ liệu, ta thấy:
- Số lượng trường hợp Play Ball = Yes là 9.
- Số lượng trường hợp Play Ball = No là 5.

Tổng số trường hợp là 9 + 5 = 14.

Entropy(C) = - (9/14) * log2(9/14) - (5/14) * log2(5/14) ≈ 0.94

Vì không có đáp án nào trùng khớp với kết quả tính toán (0.94), nên câu hỏi này không có đáp án đúng.

Để tính Entropy của thuộc tính Outlook, ta cần thực hiện các bước sau:

1. Tính Entropy cho toàn bộ tập dữ liệu:
- Số lượng mẫu "Yes": 9
- Số lượng mẫu "No": 5
- Tổng số mẫu: 14
- Entropy(S) = - (9/14) * log2(9/14) - (5/14) * log2(5/14) ≈ 0.94

2. Tính Entropy cho từng giá trị của thuộc tính Outlook:
- Outlook = Sunny:
- Số lượng mẫu "Yes": 2
- Số lượng mẫu "No": 3
- Tổng số mẫu: 5
- Entropy(Sunny) = - (2/5) * log2(2/5) - (3/5) * log2(3/5) ≈ 0.971
- Outlook = Overcast:
- Số lượng mẫu "Yes": 4
- Số lượng mẫu "No": 0
- Tổng số mẫu: 4
- Entropy(Overcast) = - (4/4) * log2(4/4) - (0/4) * log2(0/4) = 0 (vì log2(0) không xác định, nhưng 0 * log2(0) được định nghĩa là 0)
- Outlook = Rainy:
- Số lượng mẫu "Yes": 3
- Số lượng mẫu "No": 2
- Tổng số mẫu: 5
- Entropy(Rainy) = - (3/5) * log2(3/5) - (2/5) * log2(2/5) ≈ 0.971

3. Tính Entropy của thuộc tính Outlook:
- Entropy(Outlook) = (5/14) * Entropy(Sunny) + (4/14) * Entropy(Overcast) + (5/14) * Entropy(Rainy)
- Entropy(Outlook) = (5/14) * 0.971 + (4/14) * 0 + (5/14) * 0.971 ≈ 0.6935

Vì không có đáp án nào trùng với kết quả tính toán (0.6935), đáp án đúng nhất là "a. Giá trị khác".