QUESTION 1 (15 Marks)

Given the following business problem, answer the following questions.

A  long-distance  telecommunications  network  processes  massive  numbers  of  transactions. Records of errors on the network are stored with the objective of mining these data to find trends and  patterns  that  characterize  faulty  behavior.  A  worldwide  network  is  an  interconnected structure  of  complex  devices  with  a  huge  number  of  different  paths  and  circuits.  Many sophisticated devices interact to achieve very high reliability, but errors occur, and a record of these errors is made. Because of extensive redundancy and alternative paths, very few of these errors have an immediate effect on the transmission of data or voice communications. An acute problem is usually easy to determine. However, transient or chronic problems are difficult to pin down. For chronic faults, there is no immediate indication of a circuit problem. For transient faults, at the time a circuit is tested and measured, there may be no evidence of a large sample of recorded  problems  to  see  whether  there  are  patterns  that  are  predictive  of  chronic  and intermittent  faulty behavior.  Data  are recorded  in  a  coded  alphanumeric  format.  Errors  are logged with identifying information such as type of error, the time and the connecting circuit.

a)  Propose TWO (2) analytics business questions that can solve the above business problem. (5 marks)

b)  Describe the predictive model development processes using the CRISP-DM specific to answer one (1) business question in 1(a). (10 marks)

a)  Find the best information (Gain) values for attribute A.   (5 marks)

b)  Find the best information (Gain) values for attribute B.   (5 marks)

c)  Find a decision tree for data set Y.   (5 marks)

d)  If the testing set is in Table 2, what is the percentage of correct classification using the decision tree developed in c)?       (5 marks)

Table 2 Testing Set

QUESTION 3 (20 marks)

Table 1 is a database of items bought in several transactions at a grocery store. Assume minimum support, min_sup = 60% and minimum confidence, min_conf = 80%.

Table 1 Transaction Database

a)  Using  the  Apriori  algorithm,  find  all  frequent  itemsets.  Show  all  the  steps  for  this process. For each iteration, you must show the candidate and frequent itemsets. Present your work similar to the example shown in class.   (16 marks)

b)  List all strong association rules with their support and confidence values. (4 marks)