该掌握的题型有：
1、熟练计算支持度和置信度
计算支持度方法如下：
计算置信度方法如下：
例子如下：
2、运用Apriori算法求频繁挖掘项集
方法如下：
例题如下：
3、运用FP-growth算法求频繁挖掘项集
方法如下：
例题如下：
4、运用k-means算法进行相关题目的计算
例题如下：
5、运用DBscan算法进行相关关题目的计算
例题如下：
6、贝叶斯朴素算法的相关计算
公式：
例题如下：
7、决策树相关计算
信息增益相关计算:
公式一：
公式二：
信息增益计算公式：
例题如下：
信息增益率：
公式一：
公式二：
例题如下：
gini指数：
公式一：
公式二：
公式三：
例题如下：
8、度量各种数据的相异性和相似性
题型一：标称属性的邻近度量
例题如下：
题型二：二元属性的相异度量
例题如下：
题型三：曼哈坦距离
例题如下：
题型四：欧几里得距离
例题如下：
题型五：上确界距离
例题如下：
题型六：有序变量的邻近性度量
例题如下：
题型七：混合类型属性的相异性
例题如下：
题型八：余弦相似性
例题如下：
题型九：基于距离的离群点检测
例题如下：
题型十：基于聚类的离群点检测
离群因子定义一计算方法：
离群因子定义二计算方法：
离群因子定义三计算方法：
