Lompat ke konten
nalar

FP-Growth & Evaluasi Aturan Asosiasi

Struktur FP-Tree, algoritma FP-Growth tanpa pembangkitan kandidat, pembentukan aturan asosiasi, serta metrik lift, leverage, dan conviction untuk menilai aturan.

0 dari 13 dijawabSkor 0
  1. 01Pilihan ganda

    Keunggulan utama FP-Growth dibanding Apriori adalah …

  2. 02Pilihan ganda

    Saat membangun FP-Tree, item dalam setiap transaksi diurutkan berdasarkan …

  3. 03Pilihan ganda

    Penambangan FP-Tree dimulai dari item …

  4. 04Pilihan ganda

    Nilai lift = 1 menunjukkan bahwa A dan B …

  5. 05Pilihan ganda

    Metrik yang bersifat simetris (nilai A⇒B sama dengan B⇒A) adalah …

  6. 06Pilihan ganda

    Aturan {game} ⇒ {video} memiliki confidence 67%, tetapi lift 0.89. Kesimpulan yang tepat …

  7. 07Hitung

    s(roti) = 0.40, s(mentega) = 0.30, s(roti ∪ mentega) = 0.24. Hitung lift(roti ⇒ mentega).

  8. 08Hitung

    Data yang sama: hitung conviction(roti ⇒ mentega).

  9. 09Hitung

    Data yang sama: hitung leverage(roti ⇒ mentega).

  10. 10Hitung

    10.000 transaksi: 6.000 membeli game, 7.500 membeli video, 4.000 membeli keduanya. Hitung lift(game ⇒ video) (2 desimal).

  11. 11Hitung

    Contoh Han & Kamber: support count {I1,I2,I5} = 2 dan {I1,I2} = 4. Berapa confidence (dalam %) aturan {I1, I2} ⇒ {I5}?

  12. 12Hitung

    Frequent itemset L berisi 3 item. Berapa banyak aturan asosiasi (A ⇒ L − A, A tak kosong & sejati) yang bisa dibentuk dari L?

  13. 13Uraian

    Gambarkan FP-Tree (min_sup count = 2) untuk transaksi: T1 {a, b}, T2 {b, c, d}, T3 {a, c, d, e}, T4 {a, d, e}, T5 {a, b, c}. Tuliskan F-list terlebih dahulu.