数据分析方法与技术作业及答案(8)

由频繁项集产生强关联规则 confidence(A B)=P(B|A)=

Support_count(A B)

Support_count(A)

基于找出的频繁项集I={I1,I2,I5}可以产生的强关联规则： {I2,I1} I5, confidence=2/4=50% {I1,I5} I2, confidence=2/2=100% {I2,I5} I1, confidence=2/2=100% I1 {I2,I5}, confidence=2/6=100% I2 {I1,I5}, confidence=2/7=29% I5 {I1,I2}, confidence=2/2=100%

最小置信度阈值为70%,则只有2，3和最后一个规则可以输出，这些就是产生的强规则。

3. 已知如下数据集，目标分类属性为 buys_computer，运用ID3算法求出该训练集在根节点的最佳分类。

首先计算该训练集的熵， 根据熵公式，需知道各分类的概率， buys_computer= yes 的记录有9条，其概率为9/14, 记该集合为C1

buys_computer= no 的记录有5条，其概率为5/14, 记该集合为C2

entropy(S)

9955

log2() log2()

0.940位 14141414

首先考察age这一分类属性，需要知道按age 分类后的各子集的目标属性集的概率，

age的youth 类有5个样本，其中有2 个属于C1类，即buys_computer= yes，3个属于C2类，即buys_computer= no age的middle_aged 类有4个样本，4 个属于C1类，0个属于C2类 age的senior 类有5个样本，3 个属于C1类，2个属于C2类 于是，有：

entropy(S,age)

522334440053322

( log2 log2) ( log2 log2) ( log2 log2) 0.694位145555144444145555

因此，属性age 的增益为：gain(S, age) = entropy(S)－entropy(S, age) = 0.940－0.694=0.246位 同理，可计算得：gain(S, income) = 0.029位gain(S, student) = 0.151位gain(S, credit_rating) = 0.048位 可见，按属性 age 分类具有最高的增益，因此选择其为分枝属性。其分枝结果如下图示。

3. 已知三个病人五种参考症状的数据情况，计算各样本点之间的雅克比匹配系数；说明该参量的使用

使用雅克比系数，则两两之间的距离为