管理类
单选题数据挖掘中的关联分析中，同时满足（）的规则称为强规则。A 最大支持度和最大置信度B 最大支持度和最小置信度C 最小支持度和最大置信度D 最小支持度和最小置信度
题目
最大支持度和最大置信度
最大支持度和最小置信度
最小支持度和最大置信度
最小支持度和最小置信度
相似问题和答案
第1题：
比较常用的数据挖掘方法有三种:关联规则挖掘、分类分析及【 】。
聚类分析 解析：聚类分析是将数据集分割为若干个有意义的聚簇的过程。聚类分析也称作无制导的学习。因为聚类分析与分类分析不同,它不依赖于没有事先确定的类,也没有带类标识的训练集。
第2题：
数据挖掘是数据库知识发现过程的一个步骤，常用的数据挖掘方法有：关联规则挖掘、特征描述、分类分析和 ______。
聚类分析 解析：数据挖掘是从大型数据库或数据仓库中发现并提取隐藏在内的信息的一种新技术，目的是寻找数据间潜在的关联，为预测趋势和决策行为提供有用的信息。常用的数据挖掘方法有：关联规则挖掘、特征描述、分类分析和聚类分析。
第3题：
数据挖掘的方法有( )。
Ⅰ．关联规则挖掘
Ⅱ．特征描述
Ⅲ．分类分析
Ⅳ．聚类分析
A．Ⅰ、Ⅱ和Ⅲ
B．Ⅰ、Ⅲ和Ⅳ
C．Ⅱ、Ⅲ和Ⅳ
D．都是
第4题：
数据挖掘是从数据库的大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的非平凡过程，主要任务有（24）。
A.聚类分析、联机分析、信息检索等
B.信息检索、聚类分析、分类分析等
C.聚类分析、分类分析、关联规则挖掘等
D.分类分析、联机分析、关联规则挖掘等
数据挖掘（英语：Datamining），又译为资料探勘、数据采矿。它是数据库知识发现（英语：Knowledge-DiscoveryinDatabases，简称：KDD)中的一个步骤。数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。数据挖掘是通过分析每个数据，从大量数据中寻找其规律的技术，主要有数据准备、规律寻找和规律表示3个步骤。数据准备是从相关的数据源中选取所需的数据并整合成用于数据挖掘的数据集；规律寻找是用某种方法将数据集所含的规律找出来；规律表示是尽可能以用户可理解的方式（如可视化）将找出的规律表示出来。数据挖掘的任务有关联分析、聚类分析、分类分析、异常分析、特异群组分析和演变分析，等等。
第5题：
下面哪个不是数据挖掘的常用的方法?
A．关联规则挖掘
B．分类分析
C．聚类分析
D．结构化开发
解析：常用的数据挖掘方法有：关联规则挖掘、分类分析和聚类分析。结构化开发方法是一种信息系统的开发方法，并不是数据挖掘的方法。
第6题：
下面______不是数据挖掘的常用方法。
A．关联规则挖掘
B．分类分析
C．聚类分析
D．结构化开发
解析：常用数据挖掘方法有：关联规则挖掘、分类分析和聚类分析。结构化开发方法是一种信息系统开发的方法，并不是数据挖掘的常用方法。
第7题：
数据挖掘的方法很多，其中不常用的方法是( )。
A．关联规则
B．聚类分析
C．分类分析
D．层次分析
解析：本题考查常用的数据挖掘方法。比较常用的数据挖掘方法是关联规则挖掘、分类分析挖掘、聚类分析挖掘，层次分析不是常用的数据挖掘方法，故本题选择D。
第8题：
根据关联分析中所涉及的数据维，可以将关联规则分类为()。
A 布尔关联规则
B 单维关联规则
C 多维关联规则
D 多层关联规则
第9题：
数据挖掘方法中，哪一种称做无制导的学习?
A．关联规则挖掘
B．特征描述
C．分类分析
D．聚类分析
解析：聚类分析，若干个相似的数据对象组合在一起称做一个聚簇。聚类分析是将数据集分割为若干个有意义的聚簇的过程。聚类分析也称做无制导的学习因为聚类分析与分类分析不同，它不依赖于事先确定的类，也没有已具有类标识的训练集。
第10题：
数据挖掘方法中，哪一种是找出数据集中各组对象的共同特征，并建立其模型，从而能够将数据集中的其他对象分到不同的组中?
A．关联规则挖掘
B．特征描述
C．分类分析
D．聚类分析
解析：数据挖掘方法有几种：1)关联规则挖掘。关联规则分析是从一个现象到本质的揣测推理过程。2)特征描述。特征描述是对目标类数据的一般特征或特征进行汇总，并以直观易理解的方式显示给用户。特征描述通常采用的方法是进行数据概念化，将庞大的任务相关的数据集从较低的概念层抽象到较高的概念层。3)分类分析。分类也称做制导的学习，为了建立分类模型，需要有一个用做训练集的示例数据库，数据库中的每个元组都有一个给定的类标识。表示分类模型的一种常用方法是决策树。4)聚类分析。若干个相似的数据对象组合在一起称做一个聚簇。聚类分析是将数据集分割为若干个有意义的聚簇的过程。聚类分析也称做无制导的学习，因为聚类分析与分类分析不同，它不依赖于事先确定的类，也没有已具有类标识的训练集。