首页 > 计算机类考试
题目内容 (请给出正确答案)
[单选题]

利用到每个聚类中心和的远近判断离群值的方法,可以基于的算法为()。

A.K-Means

B.KNN

C.SVM

D.LinearRegression

查看答案
答案
收藏
如果结果不匹配,请 联系老师 获取答案
您可能会需要:
您的账号:,可能还需要:
您的账号:
发送账号密码至手机
发送
安装优题宝APP,拍照搜题省时又省心!
更多“利用到每个聚类中心和的远近判断离群值的方法,可以基于的算法为…”相关的问题
第1题
通过BIRCH聚类算法处理过的数据需要进行离群值的处理。()
点击查看答案
第2题
聚类将类似的值聚成簇。直观的,落在簇集合之外的值被视为离群点。()
点击查看答案
第3题
下列关于聚类分析的说法,错误的是()。

A.可以从数据点集合中随机选择K个点作为初始的聚集中心B对其他的每个数据点,以此判断其与K个中心点的距离,距离最近的表明它属于这项聚类

B.聚类分析,必须先设定分类的标准,否则无法准确分类

C.重新计算新的聚簇集合的平均值既中心点

点击查看答案
第4题
每个对象以0(绝对不属于)和1(绝对不属于)之间的隶属权值属于每个簇,这种聚类类型称作()。

A.层次聚类

B.非互斥聚类

C.划分聚类

D.模糊聚类

点击查看答案
第5题
常见的数据挖掘方法:()。

A.离群点分析

B.关联规则

C.聚类

D.决策树

点击查看答案
第6题
检测多元正态分布中的离群点,属于异常检测中的基于何种类型的离群点检测()

A.邻近度

B.统计方法

C.聚类

D.密度

点击查看答案
第7题
哪项不属于Jarvis-Patrick(JP)聚类算法的特点()

A.擅长处理噪声和离群点

B.对高纬数据效果良好

C.擅长发现强相关的紧致簇

D.基本时间复杂度为O(mlogm)

点击查看答案
第8题
下面关于Jarvis-Patrick(JP)聚类算法的说法不正确的是()。

A.JP聚类擅长处理噪声和离群点,并且能够处理不同大小、形状和密度的簇。

B.JP算法对高维数据效果良好,尤其擅长发现强相关对象的紧致簇。

C.JP聚类是基于SNN相似度的概念。

D.JP聚类的基本时间复杂度为O(m)。

点击查看答案
第9题
下面的说法正确的是()。
下面的说法正确的是()。

A、K均值聚类算法实质上是最小化每个类簇的方差。

B、在K均值聚类算法中初始化聚类中心对聚类结果影响不大。

C、协方差不能反应两个变量之间的相关度。

D、X和Y彼此独立,|cor(X,Y)|可能不等于零。

点击查看答案
第10题
对于K-Means聚类算法下列说法正确的是:()。

A.初始聚类中心的选择对聚类结果影响不大

B.须事先给定聚类数k值

C.对噪声和孤立数据敏感

D.是一种无监督学习方法

点击查看答案
第11题
下列关于转用发明的说法,正确的是()

A.如果转用是在类似的后者相近的技术领域之间进行的,并且未产生预料不到的效果,则这种转用不具备创造性

B.如果这种转用能够产生预料不到的技术效果,或者克服了原技术领域中未曾遇到的困难,则这种转用发明具备创造性。

C.转用发明的创造性判断时需要考虑转用技术领域的远近

D.将柜子的支撑结构转用到桌子的支撑,这种转用发明具备创造性

点击查看答案
退出 登录/注册
发送账号至手机
获取验证码
发送
温馨提示
该问题答案仅针对搜题卡用户开放,请点击购买搜题卡。
马上购买搜题卡
我已购买搜题卡, 登录账号 继续查看答案
重置密码
确认修改