36. 關於關聯型態探勘（Association Pattern Mining），下列敘述何者「不正確」？
(A) 典型的關聯型態探勘是分析超市中顧客購買的品項集合資料（通 常被稱為交易資料，或是購物籃資料），其個別品項間或品項群間的關聯
(B) 關聯型態挖掘最常見的模型是以品項集合出現的次數，來量化彼此間的關聯程度，以此挖掘出來的品項集合稱為頻繁品項集 （Large Itemsets or Frequent Itemsets）
(C) 就應用領域而言，關聯型態探勘僅應用於購物籃資料分析，因而被稱為購物籃分析（Market Basket Analysis）
(D) 關聯型態探勘分析的目的是基於某些品項出現的前提下，挖掘出 可預測其它品項發生之可能性的規則，這些規則就被稱為關聯規則

(A) 典型的關聯型態探勘是分析超市中顧客購買的品項集合資料（通常被稱為交易資料，或是購物籃資料），其個別品項間或品項群間的關聯

✅ 正確

• 關聯規則探勘（Association Rule Mining） 最典型的應用場景就是 購物籃分析（Market Basket Analysis），用來找出顧客購買行為的關聯模式。
• 例如：「買了牛奶的顧客，可能也會買麵包。」
• 這種分析主要基於交易數據來挖掘關聯性，因此此選項正確。

(B) 關聯型態挖掘最常見的模型是以品項集合出現的次數，來量化彼此間的關聯程度，以此挖掘出來的品項集合稱為頻繁品項集（Large Itemsets or Frequent Itemsets）

✅ 正確

• 典型的關聯規則探勘使用 頻繁品項集（Frequent Itemsets），根據 Support（支持度）、Confidence（信賴度）、Lift（提升度） 等指標來衡量關聯程度。
• Apriori、FP-Growth 等演算法都是透過計算頻繁品項集來挖掘規則，因此此選項正確。

(C) 就應用領域而言，關聯型態探勘僅應用於購物籃資料分析，因而被稱為購物籃分析（Market Basket Analysis）

❌ 錯誤（本題答案）

• 關聯規則探勘不僅應用於購物籃分析，還廣泛應用於其他領域，如：
  • 醫療診斷：分析哪些疾病或症狀經常一起出現。
  • 金融詐欺偵測：發現可疑的交易模式或異常交易行為。
  • 網路安全：分析使用者行為以偵測異常活動（如惡意軟體感染）。
  • 推薦系統：根據使用者行為推薦相關商品（如 Amazon 的「買了這個的人也買了…」）。
• 錯誤點：此選項錯誤地將關聯探勘「侷限於購物籃分析」，實際上它適用於許多領域。

(D) 關聯型態探勘分析的目的是基於某些品項出現的前提下，挖掘出可預測其它品項發生之可能性的規則，這些規則就被稱為關聯規則

✅ 正確

• 關聯規則（Association Rules） 的核心目標是找出「如果 A 發生，那麼 B 可能也會發生」的規則。
• 例如，在市場分析中：
  • 規則：「如果顧客買了尿布，那麼也會買啤酒（support = 0.3, confidence = 0.7）」。
  • 表示有 30% 的交易包含這兩個品項，而在購買尿布的顧客中，有 70% 也購買了啤酒。
• 這正是關聯型態探勘的核心目標，因此此選項正確。

結論

✅ 正確選項：(A)、(B)、(D)
❌ 不正確選項（答案）：(C)（關聯型態探勘不僅適用於購物籃分析）

? 本題正確答案：「(C)」