29 câu hỏi
Luật kết hợp nào có độ tin cậy = 100%
B-->E
A-->D
C--> E
AB-->C
Luật kết hợp nào có độ tin cậy = 75%
B-->CE
A-->D
C--> E
AB-->C
Tập nào là tập mục thường xuyên với độ hỗ trợ là 50%:
{ A, C }
{A, E}
{A, C, D}
{B, C, D}
Tập nào là tập mục thường xuyên có độ hỗ trợ cao nhất:
{B, E}
{A, E}
{A, C, D}
{B, C, D}
Tập nào là tập mục thường xuyên với độ hỗ trợ là 100%:
Không có tập nào
{A, E}
{A, C, D}
{B, E}
Tập nào là tập mục thường xuyên với độ hỗ trợ là 25%:
{A, C, D}
{A, C}
{E, B}
{B, C}
Các luật kết hợp nào có độ tin cậy = 100%:
{BC-->E, B-->E}
A-->D
AC--> E
B-->C
Sử dụng thuật toán Apriori, sau lần duyệt thứ nhất, các danh sách L1 chứa các tập mục thường xuyên có 1-item được tạo ra là:
L1={{A}, {B}, {C}, {E}}
L1={{A}, {B}, {C}, {D}}
L1={{A}, {B}, {D}, {E}}
L1={{A}, {D}, {C}}
Tập nào là tập mục thường xuyên với độ hỗ trợ là 70%:
Không có tập nào
{A, E}
{A, C, D}
{B, C, D}
Sử dụng thuật toán Apriori để tìm các tập mục thường xuyên, số lần duyệt CSDL là:
3 lần
2 lần
4 lần
1 lần
Cho FP-Tree như hình vẽ, mũi tên nét đứt biểu thị cho:
Con trỏ xuất phát từ bảng đầu mục, trỏ vào nút sinh ra đầu tiên có cùng tên. Nút sinh ra sau có con trỏ từ nút cùng tên sinh ra ngay trước đó trỏ vào
Đường đi trên cây
Nút sinh ra sau trỏ vào nút cùng tên sinh ra trước
Hướng để duyệt cây
Cho FP-Tree như hình vẽ, cơ sở điều kiện của nút P là:
{ f:2, c:2, a:2, m:2} và {c:1, b:1}
{f:3, c:3, a:3, m:2}
{f:4, c:3, a:3, m:2}
{f:2, c:2, a:2, m:2, p:2} và {c:1, b:1, p:1}
Cho FP-Tree như hình vẽ, cơ sở điều kiện của nút M là:
{ f:2, c:2, a:2}, {f:1, c:1, a:1, b :1}
{f:4, c:4, a:3}, {f:4, c:3, a:3, b:1}
{f:2, c:2, a:2, m:2}, {f:1, c:1, a:1, b:1, m:1}
{f:2, c:2, a:2, m:2, p:2}, {c:1, b:1, p:1}
Cho FP-Tree như hình vẽ, cơ sở điều kiện của nút a là:
{f:3, c :3}
{f:4, c:3}
{f:4, c:3, a:3}
{f:3, c:3, a:3}
Khẳng định nào sau đây là sai:
FP-Tree là cây nhị phân
FP-Tree là cây tổng quát
Khi thêm 1 giao dịch vào FP-Tree đều phải thêm bắt đầu từ gốc.
Bảng đầu mục – Header Table dùng để lưu 3 thông tin: Tên item, Số lượng item đó xuất hiện trong CSDL giao dịch và Con trỏ dùng để trỏ đến nút cùng tên được sinh ra đầu tiên
Hãy cho biết Refund=No, MarSt = Married, TaxInc=80K thì kết luận có giá trị gì?
No
Yes
Không phân lớp được
Thiếu thông tin để kết luận
Hãy cho biết Refund=Yes, MarSt = Married, TaxInc=40K thì kết luận có giá trị gì?
No
Yes
Không phân lớp được
Thiếu thông tin để kết luận
Hãy cho biết Refund=No, MarSt = Single, TaxInc=140K thì kết luận có giá trị gì?
Yes
No
Không phân lớp được
Thiếu thông tin để kết luận
Hãy cho biết Refund=No, MarSt = Single, TaxInc=80K thì kết luận có giá trị gì?
Yes
No
Không phân lớp được
Married
Có bao nhiêu luật sinh ra từ cây quyết định trên:
4 luật
2 luật
1 luật
Nhiều luật
Có thể sử dụng phân lớp dựa trên mạng Nơron nhân tạo. Vậy mạng Nơron nhân tạo là gì?
Là mô hình toán học mô phỏng theo mạng Nơron sinh học để giải quyết các bài toán
Là mạng máy tính có tốc độ truyền thông cao
Là mạng Nơron do con người tạo ra
Là một phương pháp để phân loại Gen của các loài sinh vật
Cho tập ví dụ học như bảng. Entropy của kết luận C = Play Ball là:
Entropy(C) = 1
Entropy(C) = 3
Entropy(C) = 0.5
Entropy(C) = 6
Cho tập ví dụ học như bảng. Entropy của thuộc tính Outlook = Sunny là:
Giá trị khác
Entropy(Outlook = Sunny) = 1
Entropy(Outlook = Sunny) = 0.5
Entropy(Outlook = Sunny) = 0
Cho tập ví dụ học như bảng. Entropy của thuộc tính Outlook là:
Giá trị khác
Entropy(Outlook) = 1
Entropy(Outlook) = 0.5
Entropy(Outlook) = 0
Cho tập ví dụ học như bảng. P(Play Ball = Yes | Outlook = Overcast) là:
2 / 3
1 / 3
0 / 3
Giá trị khác
Cho tập ví dụ học như bảng. P(Play Ball = No | Outlook = Overcast) là:
0 / 3
1 / 3
2 / 3
Giá trị khác
Cho tập ví dụ học như bảng. P(Play Ball = No | Wind = Weak) là:
2 / 3
1 / 3
0 / 3
Giá trị khác
Cho tập ví dụ học như bảng. P(Play Ball= No) là:
1 / 2
1 / 3
0 / 3
Giá trị khác
Cho tập ví dụ học như bảng. P(Wind= Weak) là:
4 / 6
3 / 6
2 / 6
Giá trị khác