A、K-Means聚类法对噪声和离群点敏感
B、K-Means聚类法对变量的要求比较高
C、由K-Means聚类法得到的聚类结果,轮廓系数都不是很大。
D、应用K-Means聚类法需要预先设定聚类个数
答案:ABD
解析:k均值聚类算法(k-means clustering algorithm)是一种迭代求解的聚类分析算法,其步骤是,预将数据分为K组,则随机选取K个对象作为初始的聚类中心,然后计算每个对象与各个种子聚类中心之间的距离,把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。每分配一个样本,聚类的聚类中心会根据聚类中现有的对象被重新计算。
A、K-Means聚类法对噪声和离群点敏感
B、K-Means聚类法对变量的要求比较高
C、由K-Means聚类法得到的聚类结果,轮廓系数都不是很大。
D、应用K-Means聚类法需要预先设定聚类个数
答案:ABD
解析:k均值聚类算法(k-means clustering algorithm)是一种迭代求解的聚类分析算法,其步骤是,预将数据分为K组,则随机选取K个对象作为初始的聚类中心,然后计算每个对象与各个种子聚类中心之间的距离,把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。每分配一个样本,聚类的聚类中心会根据聚类中现有的对象被重新计算。
A. 具有局部感受野
B. 对事物不同部分的观察之间能实现参数共享
C. 可有效捕捉序列化数据的特征
D. 操作复杂度与输入尺寸无关
A. 无偏性
B. 一致的
C. 有效的
D. 随机性
A. 规范监督学习
B. 无监督学习
C. 半监督学习
D. 神经网络学习
解析:机器学习标准分为规范监督学习、无监督学习、半监督学习、集成学习、深度学习和强化学习等不同类型的模型、训练数据、知识库、表达和评价。
A. 实体
B. 算法
C. 数据
D. 对象
解析:主要应用
解析:符号AI是人工智能的正统
A. 通用类芯片(比如CPU和GPU)
B. 基于FPGA的半定制化芯片
C. 全定制化ASIC芯片
D. 类脑计算芯片
解析:基础概念
A. 机器学习
B. 模式聚类
C. 自然语言处理
D. 语义分析
解析:主要应用
A. ARP
B. NFS
C. DHCP
D. DNS
解析:解析:DHCP(Dynamic Host Configuration Protocol) 动态主机配置协议,位于应用层。当某主机尚未分配IP地址并且被设置为动态获取方式时,DHCP服务器就会根据DHCP协议给作为DHCP客户端的这台主机分配IP,使得主机能够利用这个IP上网