Lompat ke konten
nalar

Algoritma Apriori & Frequent Itemsets

Market basket analysis, itemset, support, confidence, prinsip Apriori (anti-monoton), pembentukan kandidat join & prune, serta closed dan maximal itemset.

0 dari 13 dijawabSkor 0
  1. 01Pilihan ganda

    Prinsip Apriori menyatakan bahwa …

  2. 02Pilihan ganda

    confidence(X ⇒ Y) didefinisikan sebagai …

  3. 03Pilihan ganda

    Langkah prune pada apriori_gen membuang kandidat yang …

  4. 04Pilihan ganda

    Kelemahan utama Apriori pada dataset besar adalah …

  5. 05Pilihan ganda

    Itemset frequent yang tidak memiliki superset frequent disebut …

  6. 06Pilihan ganda

    Format input yang dibutuhkan fungsi apriori di mlxtend adalah …

  7. 07Hitung

    Lima transaksi: {roti, susu}, {roti, mentega, telur}, {susu, mentega, kopi}, {roti, susu, mentega}, {roti, susu, kopi}. Berapa support {roti, susu}?

  8. 08Hitung

    Masih dataset 5 transaksi yang sama. Berapa confidence {roti} ⇒ {susu}?

  9. 09Hitung

    Masih dataset yang sama. Berapa confidence {mentega} ⇒ {roti}? (3 desimal)

  10. 10Hitung

    Sebuah toko menjual 20 jenis produk. Berapa banyak itemset tak kosong yang mungkin (brute force)?

  11. 11Hitung

    Pada contoh Han & Kamber (9 transaksi, min_sup count = 2), L1 berisi 5 item frequent. Berapa jumlah kandidat C2 yang dibentuk?

  12. 12Hitung

    Contoh Han & Kamber: L2 = {I1,I2}, {I1,I3}, {I1,I5}, {I2,I3}, {I2,I4}, {I2,I5}. Setelah JOIN dan PRUNE, berapa kandidat C3 yang tersisa?

  13. 13Uraian

    Minimarket menemukan itemset {popok, bir} frequent dengan support 3%. Apa yang terjadi jika min_sup diturunkan menjadi 0.1%? Bagaimana memilih min_sup yang baik?