为什么说强关联规则不一定都是有趣的，举例说明 并不是所有的强关联规则都是有效的。例如百，一个谷类早餐的零售商对 5000 名 学生的调查的案例。数据表明：60%的学生打篮球，75%的学生吃这类早餐，40%的学生即打篮球吃这类早餐。假设支持度阈度值 s=0.4，置信度阈值 c=60%。基于 上面数据和假设我们可挖掘出强关联规则“(打篮球)→(吃早餐)”，因为其(打篮球)和(吃早餐)的支持度都回大于支持度阈值，都是频繁项，而规则的置信度 c=40%60%66.6%也大于置信度阈值。然而，以上的关联规则很容易产生误解，因为吃早餐的比例为 75%，大于 66%。也就是说，打篮球与吃早餐实际上答是负关联的。您好，答题不易如有帮助请采纳，谢谢
数据挖掘的经典算法
如何进行空间数据挖掘
利用关联规则实现推荐算法？ 测试数据下载地址：http：// pan.baidu.com/s/1sl8mN5 F （图：EXCEL 上传表） 操作①：【工作表】-【创建合表】-【SQL创建】 （图：商品量化） 上图转换成日期的形式，主要。
数据挖掘的挖掘方法，利用数据挖掘进行数据分析常用的方法主要有分类、回顾分析、聚类、关联规则、特征、变化和偏差分析、We页挖掘等，它们分别从不同的角度对数据进行挖掘。
求大神指导，聚类分析、数据挖掘、关联规则这几个概念中到底是什么关系。谢谢 聚类分析和关联规则属于数据挖掘这个大概念中的两类挖掘问题，聚类分析是无监督的发现数据间的聚簇效应。关联规则是从统计上发现数据间的潜在联系。
当数据库既有分类属性，又有数值属性的时候怎么挖掘关联规则 把数值属性进行离散化，再与分类属性，进行关联规则挖掘量化关联规则的挖掘有很多办法，可以去找找看
关联规则挖掘算法都有哪些？ 关联规则我们把他它划分一下，浅陋之见啊，一种是以渐进为原则，就像关联规则本身讲的逻辑嵌套，严格遵循外层函数的定义域就是内层函数的值域规则，超定义的一定要去掉。再一种关联为平行关联，类似于分型中的各个型，提取关键因子。还有一种取法清净经，我叫他清净关联，简单就是一清一静，数学简单理解就是最小质因，最大公约的一次次来就好。明白了这个，挖掘算法就不太难了吧。
