您现在的位置是：主页 > news > 四川移动端网站建设/怎么在百度上推广自己的店铺
四川移动端网站建设/怎么在百度上推广自己的店铺
admin2025/5/3 7:40:33【news】
简介四川移动端网站建设,怎么在百度上推广自己的店铺,js网站开发视频教程,温州做微网站卷一、判断题(每题1分，10分)1.从点作为个体簇开始，每一步合并两个最接近的簇，这是一种分裂的层次聚类方法。()2.数据挖掘的目标不在于数据采集策略，而在于对已经存在的数据进行模式的发掘。()3.在聚类分析当中，簇内的相…
卷
一、判断题(每题
1
分，
10
分)
1.
从点作为个体簇开始，每一步合并两个最接近的簇，这是一种分裂的层次聚类方法。
(
)
2.
数据挖掘的目标不在于数据采集策略，而在于对已经存在的数据进行模式的发掘。
(
)
3.
在聚类分析当中，簇内的相似性越大，簇间的差别越大，聚类的效果就越差。
(
)
4.
当两个点之间的邻近度取它们之间距离的平方时，
Ward
方法与组平均非常相似。
(
)
5.
DBSCAN
是相对抗噪声的，并且能够处理任意形状和大小的簇。
(
)
6.
属性的性质不必与用来度量他的值的性质相同。
(
)
7.
全链对噪声点和离群点很敏感。
(
)
8.
对于非对称的属性，只有非零值才是重要的。
(
)
9.
K
均值可以很好的处理不同密度的数据。
(
)
10.
单链技术擅长处理椭圆形状的簇。
(
)
二、选择题(每题
2
分，
30
分)
1.
当不知道数据所带标签时，可以使用哪种技术促使带同类标签的数据与带其他标签的数据相分
离？
(
)
A.
分类
B.
聚类
C.
关联分析
D.
主成分分析
2. (
)
将两个簇的邻近度定义为不同簇的所有点对邻近度的平均值，它是一种凝聚层次聚类技术。
A.MIN(
单链
)
B.MAX(
全链
)
C.
组平均
D.Ward
方法
3.
数据挖掘的经典案例“啤酒与尿布试验”最主要是应用了
(
)
数据挖掘方法。
A
分类
B
预测
C
关联规则分析
D
聚类
4.
关于
K
均值和
DBSCAN
的比较，以下说法不正确的是
(
)
A.K
均值丢弃被它识别为噪声的对象，而
DBSCAN
一般聚类所有对象。
B.K
均值使用簇的基于原型的概念，
DBSCAN
使用基于密度的概念。
C.K
均值很难处理非球形的簇和不同大小的簇，
DBSCAN
可以处理不同大小和不同形状的簇
D.K
均值可以发现不是明显分离的簇，即便簇有重叠也可以发现，但是
DBSCAN
会合并有重叠的簇
5.
下列关于
Ward
’
s Method
说法错误的是：
(
)
A.
对噪声点和离群点敏感度比较小
B.
擅长处理球状的簇
C.
对于
Ward
方法，两个簇的邻近度定义为两个簇合并时导致的平方误差
D.
当两个点之间的邻近度取它们之间距离的平方时，
Ward
方法与组平均非常相似
6.
下列关于层次聚类存在的问题说法正确的是：
(
)
A.
具有全局优化目标函数
B.Group Average
擅长处理球状的簇
C.
可以处理不同大小簇的能力
D.Max
对噪声点和离群点很敏感
7.
下列关于凝聚层次聚类的说法中，说法错误的事：
(
)
A.
一旦两个簇合并，该操作就不能撤销
B.
算法的终止条件是仅剩下一个簇
C.
空间复杂度为
2
m
O
D.
具有全局优化目标函数
8.
规则
{
牛奶，尿布
}
→
{
啤酒
}
的支持度和置信度分别为：
(
)
