單項(xiàng)選擇題考慮這么一種情況：一個(gè)對(duì)象碰巧與另一個(gè)對(duì)象相對(duì)接近，但屬于不同的類，因?yàn)檫@兩個(gè)對(duì)象一般不會(huì)共享許多近鄰，所以應(yīng)該選擇（）的相似度計(jì)算方法。

A.平方歐幾里德距離
B.余弦距離
C.直接相似度
D.共享最近鄰


您可能感興趣的試卷

你可能感興趣的試題

2.單項(xiàng)選擇題關(guān)于K均值和DBSCAN的比較，以下說法不正確的是（）。

A.K均值丟棄被它識(shí)別為噪聲的對(duì)象，而DBSCAN一般聚類所有對(duì)象
B.K均值使用簇的基于原型的概念，而DBSCAN使用基于密度的概念
C.K均值很難處理非球形的簇和不同大小的簇，DBSCAN可以處理不同大小和不同形狀的簇
D.K均值可以發(fā)現(xiàn)不是明顯分離的簇，即便簇有重疊也可以發(fā)現(xiàn)，但是DBSCAN會(huì)合并有重疊的簇

3.單項(xiàng)選擇題在基于圖的簇評(píng)估度量表里面，如果簇度量為proximity（Ci，C），簇權(quán)值為mi，那么它的類型是（）。

A.基于圖的凝聚度
B.基于原型的凝聚度
C.基于原型的分離度
D.基于圖的凝聚度和分離度

4.單項(xiàng)選擇題DBSCAN在最壞情況下的時(shí)間復(fù)雜度是（）。

A.O（m）
B.O（m2）
C.O（logm）
D.O（m*logm）

最新試題

給定用于2類分類問題的線性可分離數(shù)據(jù)集，線性SVM優(yōu)于感知器，因?yàn)镾VM通常能夠在訓(xùn)練集上實(shí)現(xiàn)更好的分類精度。

題型：判斷題

最大似然估計(jì)的一個(gè)缺點(diǎn)是，在某些情況下（例如，多項(xiàng)式分布），它可能會(huì)返回零的概率估計(jì)。

題型：判斷題

任務(wù)調(diào)度系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)才能使得數(shù)據(jù)收集工作可以不間斷地按照既定的目標(biāo)從目標(biāo)源獲取數(shù)據(jù)。

題型：判斷題

數(shù)據(jù)復(fù)制或者備份均是為了從提高數(shù)據(jù)并發(fā)這個(gè)角度來設(shè)計(jì)和實(shí)現(xiàn)的。

題型：判斷題

數(shù)據(jù)存儲(chǔ)體系中并不牽扯計(jì)算機(jī)網(wǎng)絡(luò)這一環(huán)節(jié)。

題型：判斷題

當(dāng)反向傳播算法運(yùn)行到達(dá)到最小值時(shí)，無論初始權(quán)重是什么，總是會(huì)找到相同的解（即權(quán)重）。

題型：判斷題

數(shù)據(jù)索引是保證數(shù)據(jù)處理高性能的軟件角度的一種手段，不做數(shù)據(jù)索引的數(shù)據(jù)訪問是線性訪問，但是做了索引的數(shù)據(jù)訪問會(huì)成倍的降低訪問時(shí)間。

題型：判斷題

無論質(zhì)心的初始化如何，K-Means始終會(huì)給出相同的結(jié)果。

題型：判斷題

公司內(nèi)部收集的數(shù)據(jù)不存在需要考慮數(shù)據(jù)隱私的環(huán)節(jié)。

題型：判斷題

小數(shù)據(jù)集的數(shù)據(jù)處理最好也由計(jì)算機(jī)手段來完成。

題型：判斷題