网友您好， 请在下方输入框内输入要搜索的题目：
题目内容
（请给出正确答案）
就大数据应用而言，尿布啤酒案例中的方法属于因果特性运用。
参考答案和解析
关联规则挖掘
更多 “就大数据应用而言，尿布啤酒案例中的方法属于因果特性运用。” 相关考题
考题
设有如下所示的某商场购物记录集合，每个购物篮中包含若干商品：购物篮编号商品1面包，牛奶2面包，啤酒，鸡蛋，尿布3牛奶，啤酒，尿布，可乐4面包，牛奶，啤酒，尿布5面包，牛奶，尿布，可乐现在要基于该数据集进行关联规则挖掘。如果设置最小支持度为60％，最小置信度为80％，则如下关联规则中，符合条件的是（ ）。A.啤酒→尿布B.（面包，尿布）→牛奶C.面包→牛奶D.（面包，啤酒）→尿布
考题
监理工作中实际应用的方法很多，但是不论什么控制方法，均体现在数据或质量特性值的处理方法上。通常使用的质量分析方法有（ ）。
A、频数分布图
B、直方图
C、横道图
D、因果分析图
E、网络图
考题
下面购物篮能够提取的3-项集的最大数量是（） ID购买项 1牛奶，啤酒，尿布 2面包，黄油，牛奶 3牛奶，尿布，饼干 4面包，黄油，饼干 5啤酒，饼干，尿布 6牛奶，尿布，面包，黄油 7面包，黄油，尿布 8啤酒，尿布 9牛奶，尿布，面包，黄油 10啤酒，饼干A、1B、2C、3D、4
考题
以下案例中哪一项不是使用数据挖掘技术获得经济效益的案例（）。A、超市经理发现某件商品脱销马上组织进货B、尿布与啤酒C、计算机根据你已经购买的商品建议售货员提醒你是否需要纸杯D、淘宝网根据你的访问记录自动向你推荐你感兴趣的商品
考题
利用Apriori算法计算频繁项集可以有效降低计算频繁集的时间复杂度。在以下的购物篮中产生支持度不小于3的候选3-项集，在候选2-项集中需要剪枝的是（） ID 项集 1 面包、牛奶 2 面包、尿布、啤酒、鸡蛋 3 牛奶、尿布、啤酒、可乐 4 面包、牛奶、尿布、啤酒 5 面包、牛奶、尿布、可乐A、啤酒、尿布B、啤酒、面包C、面包、尿布D、啤酒、牛奶
考题
德国男人超市购买婴儿纸尿布的同时往往还购买啤酒，计算机分析超市的购物数据后发现了这一规律，于是将啤酒货架移到了婴儿纸尿布货架旁，啤酒和纸尿布的销量都有所增加。计算机分析购物数据发现这一规律的过程属于（）A、信息分类B、智能代理C、模式识别D、关联分析
考题
早期因果分析法（技术）常运用于项目管理中，就是以结果作为特性，以原因作为因素，逐步深入研究和讨论项目目前存在问题的方法。因果分析法可交付的成果就是因果分析图。一旦确定了因果分析图．即达成了因果分析的目的。请你谈一下现代因果分析流程。
考题
运用排列图法进行质量管理时，正确的是（）A、进行质量抽样检查B、得到质量特性不合格点统计数据C、按照质量特性不合格点数从大到小的顺序，整理并做排列表D、画出因果分析图E、分别计算不合格质量特性的累计频数和累计频率
考题
多选题运用排列图法进行质量管理时，正确的是()A进行质量抽样检查B得到质量特性不合格点统计数据C按照质量特性不合格点数从大到小的顺序，整理并做排列表D画出因果分析图E分别计算不合格质量特性的累计频数和累计频率
考题
多选题运用排列图法进行质量数据统计时，正确的程序有( )。A进行质量抽样检查B得到质量特性不合格点统计数据C按照质量特性不合格点数从大到小的顺序，整理并做排列表D画出因果分析图E分别计算不合格质量特性的累计频数和累计频率
考题
多选题利用Apriori算法计算频繁项集可以有效降低计算频繁集的时间复杂度。在以下的购物篮中产生支持度不小于3的候选3-项集，在候选2-项集中需要剪枝的是（） ID 项集 1 面包、牛奶 2 面包、尿布、啤酒、鸡蛋 3 牛奶、尿布、啤酒、可乐 4 面包、牛奶、尿布、啤酒 5 面包、牛奶、尿布、可乐A啤酒、尿布B啤酒、面包C面包、尿布D啤酒、牛奶
考题
单选题德国男人超市购买婴儿纸尿布的同时往往还购买啤酒，计算机分析超市的购物数据后发现了这一规律，于是将啤酒货架移到了婴儿纸尿布货架旁，啤酒和纸尿布的销量都有所增加。计算机分析购物数据发现这一规律的过程属于（）A
信息分类B
智能代理C
模式识别D
关联分析
考题
问答题早期因果分析法（技术）常运用于项目管理中，就是以结果作为特性，以原因作为因素，逐步深入研究和讨论项目目前存在问题的方法。因果分析法可交付的成果就是因果分析图。一旦确定了因果分析图．即达成了因果分析的目的。请你谈一下现代因果分析流程。
考题
单选题下面购物篮能够提取的3-项集的最大数量是（） ID购买项 1牛奶，啤酒，尿布 2面包，黄油，牛奶 3牛奶，尿布，饼干 4面包，黄油，饼干 5啤酒，饼干，尿布 6牛奶，尿布，面包，黄油 7面包，黄油，尿布 8啤酒，尿布 9牛奶，尿布，面包，黄油 10啤酒，饼干A
1B
2C
3D
4
考题
单选题数据挖掘的经典案例“啤酒和尿布试验”最主要是应用了（）数据挖掘方法。A
分类B
聚类C
预测D
关联规则
热门标签
最新试卷