机器学习面试题 3：某超市研究销售记录发现买啤酒的人很大概率也会买尿布，这属于数据挖掘的哪类问题?
内容提要
该题考查数据挖掘问题类型。超市发现买啤酒者常买尿布，属于关联规则发现。关联规则用支持度和置信度衡量强度，支持度是两者同时出现次数占总记录比例，置信度是同时出现次数占前者出现次数比例。答案为A。
延伸解读
关联规则的核心度量
关联规则用支持度和置信度衡量强度。支持度是两者同时出现的概率，置信度是条件概率。例如，啤酒→尿布的支持度是两者同时出现的记录数占总记录的比例，置信度是同时出现次数占啤酒出现次数的比例。支持度和置信度越高，规则越强。
与聚类、分类的区别
聚类是无监督学习，将相似对象分组，无需预定义类别；分类是监督学习，需事先知道类别，用训练数据学习后对新数据分类。关联规则发现则是在数据中寻找项之间的关联模式，不涉及分组或预测，而是发现频繁共现的规则。
实际应用中的注意事项
关联规则挖掘可能产生大量无意义规则，需结合业务背景筛选。支持度和置信度阈值需合理设置，过高可能遗漏弱关联，过低则规则过多。此外，置信度不反映规则的方向性，如啤酒→尿布与尿布→啤酒的置信度不同，需根据业务目标选择。
Q&A
超市发现买啤酒的人很大概率也会买尿布，这属于数据挖掘的哪类问题？
这属于关联规则发现。
什么是关联规则？请用啤酒和尿布的例子说明。
关联规则是形如X→Y的规则，其中X和Y是不相交的非空集合。在啤酒和尿布的例子中，{啤酒}→{尿布}就是一条关联规则，表示购买啤酒的人也会购买尿布。
关联规则的支持度（support）是如何定义的？
支持度定义为support(X→Y) = |X∩Y|/N，即集合X和Y中的项在一条记录中同时出现的次数除以数据记录的总数。例如，support({啤酒}→{尿布}) = 啤酒和尿布同时出现的次数/数据记录数。
关联规则的置信度（confidence）是如何定义的？
置信度定义为confidence(X→Y) = |X∩Y|/|X|，即集合X和Y中的项在一条记录中同时出现的次数除以集合X出现的次数。例如，confidence({啤酒}→{尿布}) = 啤酒和尿布同时出现的次数/啤酒出现的次数。
支持度和置信度越高，关联规则越强吗？
是的，支持度和置信度越高，说明规则越强。关联规则挖掘就是挖掘出满足一定强度的规则。
聚类和分类有什么区别？
聚类是无监督学习，不需要训练数据，只根据相似度将相似的东西分到一组；分类是监督学习，需要从训练集中学习，然后对未知数据进行分类。
自然语言处理的主要应用范畴有哪些？
自然语言处理的主要应用包括文本朗读、语音识别、中文自动分词、词性标注、句法分析、自然语言生成、文本分类、信息检索、信息抽取、文字校对、问答系统等。
