以下哪一项属于具体相似度计算方法( )。A. Jaccard相似度B. AprioriC. 迭代法D. 关联法

考查要点：本题主要考查对相似度计算方法的理解，需要区分具体相似度计算方法与其他数据挖掘或机器学习算法。

解题核心思路：

1. 明确概念：相似度计算方法用于衡量两个对象（如集合、向量等）的相似程度，常见方法包括Jaccard相似度、余弦相似度等。
2. 选项辨析：需判断选项中哪些是直接用于计算相似度的公式或方法，而非算法框架或分析方法。
3. 关键排除：Apriori是关联规则挖掘算法，迭代法和关联法属于更通用的分析策略，均不属于具体相似度计算方法。

选项分析

A. Jaccard相似度

• 定义：用于计算两个集合的相似度，公式为：
  $J(A,B) = \frac{|A \cap B|}{|A \cup B|}$
  其中分子为交集元素个数，分母为并集元素个数。
• 结论：属于具体相似度计算方法。

B. Apriori

• 定义：经典关联规则挖掘算法，用于发现频繁项集和关联规则（如“买牛奶的人常买面包”）。
• 结论：属于关联规则挖掘算法，而非相似度计算方法。

C. 迭代法

• 定义：通过重复计算逐步逼近结果的通用方法（如梯度下降优化模型参数）。
• 结论：属于算法设计策略，非具体相似度计算方法。

D. 关联法

• 定义：泛指分析数据间关联关系的方法（如关联规则挖掘），与具体相似度计算无关。
• 结论：属于分析策略，非具体计算方法。