查询Score表中成绩为85，86或88的记录。【查看效果】

Apriori算法使用产生一计数的策略找出频繁项集。通过合并一对大小为k的频繁项集得到个大小为k+1的候选项集(称作候选产生步骤)。在候选项集剪枝步骤中,如果一个候选项集的任何一个子集是不频繁的,则该候选项集将被丢弃。假定将 Aprior算法用于下表所示数据集,最小支持度为30%,即任何一个项集在少于3个事务中出现就被认为是非频繁的。 表：购物蓝事务的例子 顾客ID 购买项 1 {a,d,e} 1 {a,b,c,e} 2 {a,b,d,e} 2 {a,c,d,e} 3 {b,c,e} 3 {b,d,e} 4 {c,d} 4 {a,b,c} 5 {a,d,e} 5 {a,b,e} (a)画出表小表所示数据集的项集格。用下面的字母标记格中每个结点。 N:如果该项集被 Apriori算法认为不是铁选项集。一个项集不是候选项集有兩种可能的原因:它没有在候选项集产生步骤产生,或它在候选项集产生步骤产生,但是由于它的一个子集是非频繁的而在候选项集的枝步骤被丢掉 F:如果该候选项樂被 Apriori算法认为是频繁的。 I如果经过支持度计数后,该横选项集被发现是频繁的。 (b)频繁项集的百分比是多少?(考虑格中所有的集) (c)对于该数据集, Apriori算法的明被率是多少?(剪枝率定义为由于如下原因不认为是侯选的项集所占的百分比；在侯选项集产生时未被产生，或在侯选剪枝步骤被丢掉） (d)假警告率是多少?（假警告率是指经过支待度计算后被发现是非频繁的候选项集所占的自分比。)

简述异常检测的方法。

简述数据可视化应注意的事项。

试述流计算为业务分析带来了怎样的改变。

说明数组创建函数array()、asarray()、arange()的作用和区别。

x = "和" list = ["中", "华", "人", "民", "共", "和", "国" ] 判断x是否在list中，正确的代码是

列表b = [31, 232,23,55,31,56,67,31,45,34,31,12,12,34,55]，统计列表b中，元素31的数量，正确代码是

考虑表5-10中的数据集。 表5-10数据集 记录ABC类 1000+ 2001- 3011- 4011- 5001+ 6101+ 7101- 8101- 9111+ 10101+ (a)估计条件概率P(A|+),P(B+),P(C+),P(A-),P(B-)和P(C-) (b)根据(a)中的条件概率,使用朴素贝叶斯方法预测测试样本(A=0,B=1,C=0)的类标号 (c)使用m估计方法(p=1/2且m=4)估计条件概率 (d)同(b),使用(c)中的条件概率。 (e)比较估计概率的两种方法。哪一种更好?为什么?

简述异常检测的方法。

简述不平衡类分布的数据集，请举例说明。

简述朴素贝叶斯分类器的特征。

简述变量变换的类型。

论述构建组合分类器的方法及基本原理，请举例说明。

请解解释下列代码作用及运行结果。 obj=Series(np.arange(4.),index=[´a´,´b´,´c´,´d´]) obj[2:4]