一個數(shù)據(jù)庫有5個事務(wù)，如表所示。設(shè)min_sup=60%，min_conf=80%。

（a）分別用Apriori算法和FP-growth算法找出所有頻繁項集。比較兩種挖掘方法的效率。
（b）比較窮舉法和Apriori算法生成的候選項集的數(shù)量。
（c）利用（1）所找出的頻繁項集，生成所有的強(qiáng)關(guān)聯(lián)規(guī)則和對應(yīng)的支持度和置信度。

考慮如下的頻繁3-項集：{1，2，3}，{1，2，4}，{1，2，5}，{1，3，4}，{1，3，5}，{2，3，4}，{2，3，5}，{3，4，5}。
（a）根據(jù)Apriori算法的候選項集生成方法，寫出利用頻繁3-項集生成的所有候選4-項集。
（b）寫出經(jīng)過剪枝后的所有候選4-項集。

數(shù)據(jù)集如下表所示：

（a）把每一個事務(wù)作為一個購物籃，計算項集{e}，{b，d}和{b，d，e}的支持度。
（b）利用（a）中結(jié)果計算關(guān)聯(lián)規(guī)則{b，d}→{e}和{e}→{b，d}的置信度。置信度是一個對稱的度量嗎？
（c）把每一個用戶購買的所有商品作為一個購物籃，計算項集{e}，{b，d}和{b，d，e}的支持度。
（d）利用（b）中結(jié)果計算關(guān)聯(lián)規(guī)則{b，d}→{e}和 {e}→{b，d}的置信度。置信度是一個對稱的度量嗎？