Giả sử ta có các tập mục thường xuyên {A,B}, {A,C}, {B,D} chứa 2-item. Sử dụng thuật toán Apriori để ghép các tập mục có 2-item thành các tập mục có 3-item, các ứng viên sinh ra có 3-item là:

A. Phân tích và quản lý thị trường, Quản lý và phân tích rủi ro, Quản lý và phân tích các sai hỏng, Khai thác Web, Khai thác văn bản (text mining)…

B. Tìm kiếm văn bản, Tìm kiếm hình ảnh, Tìm kiếm tri thức mới trên Internet...

C. Phân tích tâm lý khách hàng, Hỗ trợ kinh doanh, tối ưu hóa phần cứng máy tính...

D. Phân tích thị trường chứng khoán, bất động sản, tìm kiếm dữ liệu bằng các máy tìm kiếm...

A. Support(XY) = Số lượng giao dịch hỗ trợ cả X và Y / N

B. Support(XY) = Số lượng giao dịch hỗ trợ cả X và Y / Số lượng giao dịch hỗ trợ Y

C. Support(XY) = Số lượng giao dịch hỗ trợ cả X và Y / Số lượng giao dịch hỗ trợ X

D. Support(XY) = Số lượng giao dịch hỗ trợ cả X / Số lượng giao dịch hỗ trợ Y

A. Support(X) >= Min_Supp

B. Support(X) <= Min_Supp

C. Support(X) = Min_Supp

D. Support(X) = Min_Supp / N

A. Support(ABC) < Support(ABCD)

B. Support(ABC) >= Support(ABCD)

C. Support(AB) >= Support(ABC)

D. Support(AB) <= Support(A)

A. Support(X) = Số lượng giao dịch hỗ trợ X / N

B. Support(X) = Số lượng giao dịch hỗ trợ X

C. Support(X) = Số lượng giao dịch hỗ trợ X / N * |I|, trong đó |I| là tổng số mục trong CSDL

D. Support(X) = Số lượng giao dịch hỗ trợ X * 100%

A. Confidence(XY) = Số lượng giao dịch hỗ trợ cả X và Y / Số lượng giao dịch hỗ trợ X

B. Confidence(XY) = Số lượng giao dịch hỗ trợ X / Số lượng giao dịch hỗ trợ Y

C. Confidence(XY) = Số lượng giao dịch hỗ trợ cả X và Y / Số lượng giao dịch hỗ trợ Y

D. Confidence(XY) = Số lượng giao dịch hỗ trợ cả X và Y / N

A. Confidence(AB-->C) >= Confidence(A-->BC)

B. Confidence(AB-->C) <= Confidence(A-->BC)

C. Confidence(AB-->C) = Confidence(A-->BC)

D. Chưa kết luận được AB-->C có thỏa độ hỗ trợ tối tiểu và độ tin cậy tối thiểu hay không