1. Minimum confidence tidak diperlukan dalam fase pencarian large item sets.
2. Algoritma PRISM (Cendrowska) menghasilkan classification rules, sedangkan pasangan APRIORI dan SIMPLE Algoritma (Agrawal) menghasilkan association rules.
3. Jumlah dan elemen dari large itemsets L₁, L₂, sampai L_k yang dihasilkan algoritma Apriori akan tepat sama dengan yang dihasilkan algoritma AIS.
4. Jika r1=0.35 dan r2=-0.65 masing-masing adalah nilai korelasi Pearson, maka r2 memiliki korelasi yang lebih kuat (stronger correlation) dibanding r1.
5. Rule: age(X, "20…29") AND buys(X, "laptop") ---> buys(X, "color printer") termasuk dalam kategori hybrid-dimension association rule.
6. Hirarki konsep digunakan untuk klasifikasi association rules berdasarkan dimensi data.
7. Rule: buys(X, KodeBarang1) a buys(X, KodeBarang2) termasuk dalam kategori intradimension dan single level association rules, jika KodeBarang1 dan KodeBarang2 adalah primitive (raw) data.
8. Rule: "Customer yang membeli LaserJet pada Juni 2001 cenderung untuk memesan Cartridge baru dalam bulan Desember 2003i" termasuk output Sequential Pattern Discovery dalam Link Analysis.

Jika attribute memiliki value-value : 28, 21, 26, 4, 34, 8, 9, 15, 29, 21, 25, 24 tulislah value-value baru dengan urutan yang sama setelah smoothing diterapkan dengan menggunakan:

1. bin means, depth 3

2. bin medians, depth 3

3. bin boundaries, depth 4

Jika sebuah attribute memiliki value-value : 1800, -27500, 800, 9900, -500, tulislah value-value baru dengan urutan yang sama hasil normalisasi dengan menggunakan:

1. Decimal scaling normalization

2. Min-Max normalization, dengan range baru [1..10]

3. z-score normalization 

Dengan minimum support = 60% dapatkan rule-rule yang memiliki nilai support yang sama, tetapi dengan nilai confidence yang berbeda. Tulis rule-rule tersebut lengkap dengan nilai confidence masing-masing. (Caranya terserah Anda. Algoritma tidak penting. Hanya hasil akhir yang dilihat)

T1 : Hulk, Nemo, Shrek

T2 : Hulk, LiloStich, Nemo, Pinocchio, Shrek

T3 : Antz, Sinbad

T4 : Antz, Nemo

T5 : Antz, Hulk, LiloStich, Nemo, Shrek

Pada pencarian large itemsets dengan menggunakan algoritma AIS dan minimum supportnya = 30%, tunjukkan nilai-nilai L₁ , L_t , C_t , C₂ , dan L₂ (masing-masing menggunakan tabel) untuk kumpulan transaksi di bawah ini:

          T10 : 1, 2

          T20 : 1, 2, 3

          T30 : 1, 2, 3, 4

          T40 : 1, 4

          T50 : 2, 4

Algoritma Apriori diterapkan untuk kumpulan transaksi di bawah dengan minimum support = 40%. Anda hanya diminta menulis semua pruning yang terjadi, saat algoritma melakukan operasi join, atau ( C_n= L_m JOIN  L_m ) untuk semua nilai n yang mungkin, dimana m = n - 1. Setiap kali pruning harus diawali dengan penomoran P1, P2, P3, dan seterusnya. Ingat: dalam sebuah operasi join, mungkin terjadi lebih dari sebuah pruning.

          T10 : 1, 3, 4

          T20 : 2, 3, 5

          T30 : 1, 2, 3, 5

          T40 : 2, 5