第九章单元测试
- 聚类性能度量的目的是什么？（ ）。
- 曼哈顿距离是闵可夫斯基距离阶为（ ）的特殊情况。
- 在k均值聚类算法中，k代表什么？（ ）。
- 在聚类分析中，以下哪种距离度量方法适用于计算对象间的相似度（ ）。
- 在k均值聚类算法中，初始质心的选择可能会影响到最终聚类结果的哪个方面？（ ）。
- 聚类分析中，K-均值算法不需要指定要形成的簇的数量。（ ）
- 层次聚类算法在每一步合并中都会减少一个簇。（ ）
- DBSCAN聚类算法能够识别出任意形状的簇。（ ）
- 聚类分析中的轮廓系数用于评估簇的紧密程度和分离程度，其值越高表示聚类效果越好。（ ）
- 聚类分析需要标签数据，因此它是一种有监督学习方法。（ ）
A:评估聚类结果的质量 B:评估聚类算法的运行时间 C:选择合适的聚类算法 D:确定最佳的聚类数
答案:评估聚类结果的质量
A:1 B:2 C:0.5 D:∞
A:聚类中的对象数量 B:数据集中的特征数量 C:要形成的聚类数量 D:每个聚类中的质心质量
A:切比雪夫距离 B:欧几里得距离 C:余弦相似度 D:曼哈顿距离
A:聚类的稳定性 B:聚类的数量 C:聚类的准确性 D:聚类的速度
A:对 B:错
A:错 B:对
A:错 B:对
A:对 B:错
A:错 B:对
温馨提示支付 ￥3.00 元后可查看付费内容,请先翻页预览!
