()是为布尔关联规则挖掘频繁项集的原创性算法。它逐层进行挖掘，利用先验性质：频繁项集的所有非空子集也都是频繁的。

A.Apriori算法是一种经典的生成布尔型关联规则的频繁项集挖掘算法

B.Apriori算法主要步骤包括发现所有的频繁项集、生成强关联规则

C.Apriori算法只需要扫描两次数据库

D.频繁项集的子集必为频繁项集，非频繁项集的超集一定是非频繁的

A.逐层；

B.逐级；

C.自底向上；

D.自上而下

A.priori

B.EM

C.PCA

D.PAC

A.关联规则挖掘

B.强关联规则

C.弱关联规则

D.频繁项集

A.关联规则挖掘的算法主要有: Apriori和FP-Growth

B.一个项集满足最小支持度,我们称之为频繁项集

C.啤酒与尿布的故事是聚类分析的典型实例

D.支持度是衡量关联规则重要性的一个指标

A.通过使用先验原理对搜索空间进行剪枝，解决了候选频繁集组合爆炸的问题

B.候选集的产生：通过前一次迭代的(k-1)项频繁集产生新的k项候选频繁集

C.候选项集的剪枝：采用基于支持度的剪枝。原理：如果一个项是频繁集，则它的所有子集一定也是频繁集

D.规则产生：每个k项频繁集会产生多达2^k-2个关联规则，需要基于置信度进行剪枝

A.类Apriori算法

B.基于频繁模式增长的算法

C.使用垂直数据格式的算法

D.使用水平数据格式的算法

A.P-growth$

B.$ EClat$

C.$ 聚类$

D.$ Apdori

A.FP-growth

B.EClat

C.聚类

D.Apdori

A.4

B.5

C.6

D.7