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. Xử lý giá trị thiếu, Dữ liệu nhiễu: định danh ngoại lai và làm trơn, Chỉnh sửa dữ liệu không nhất quán, Giải quyết tính dư thừa tạo ra sau tích hợp dữ liệu.

B. Làm trơn theo biên, phương pháp đóng thùng, điền giá trị thiếu, Giải quyết tính dư thừa tạo ra sau tích hợp dữ liệu.

C. Phân cụm, phân lớp, hồi quy, biểu diễn dữ liệu.

D. Phân cụm, tìm luật kết hợp, tìm kiếm đặc trưng.

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. Giải quyết các bài toán sinh học bằng việc sử dụng các phương pháp của khoa học tính toán

B. Sinh học phân tử

C. Tìm kiếm dữ liệu mới từ sinh học

D. Khai thác các thông tin có ích trong lĩnh vực y học

A. AB-->C

B. A-->D

C. ABD-->C

D. D-->C

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

A. Support(ABC) < Support(ABCD)

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

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

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

A. Bỏ qua bản ghi có dữ liệu bị thiếu, điền giá trị thiếu bằng tay, điền giá trị tự động.

B. Loại bỏ dựa trên quan sát, loại bỏ khi lựa chọn đặc trưng.

C. Loại bỏ toàn bộ dữ liệu bị nhiễu và thay thế bằng tập dữ liệu mới, lựa chọn các đặc trưng quan trọng.

D. Sử dụng các thuật toán phân lớp, phân cụm, tìm luật kết hợp.