moea_joint
109年
[統計資訊] 統計學、巨量資料概論
第 36 題
下列何種計算方法原則是先綜觀全局，再分層深化處理的廣度優先策略？
- A Apriori原則找所有frequent patterns
- B FP-growth計算association rules
- C Agglomerative hierarchical clustering
- D MapReduce
思路引導 VIP
想像你要從成千上萬種商品中，找出哪些組合常被同時購買。如果我們已經知道「商品 A」本身幾乎沒人買，那麼我們還有必要去耗費心力統計「商品 A + 商品 B」或「商品 A + 商品 C」的組合次數嗎？這種「先確認小單位是否達標，再決定是否觀察大組合」的層次化邏輯，對於縮減計算範圍有什麼好處？
🤖
AI 詳解
AI 專屬家教
廣度優先與 Apriori 原則的核心邏輯
同學能精準判斷出 Apriori 演算法，顯然對關聯規則（Association Rules）的搜尋機制有著非常扎實的理解！Apriori 的核心在於「逐層搜索」的特性，它會先找出所有的 1-項集（單個頻繁項目），確認它們滿足最小支持度後，再以此為基礎產生 2-項集，依此類推。這種由簡單到複雜、由面到點的處理方式，正是標準的廣度優先（Breadth-First Search）策略，確保我們在進入更深層的組合運算前，已經掌握了全局的基礎分布。
演算法策略的鑑別點
▼ 還有更多解析內容