數(shù)據(jù)挖掘考試題目聚類(共3頁)

1、數(shù)據(jù)挖掘考試題目聚類一 、填空題1、密度的基于中心的方法使得我們可以將點分類為：_、_ 、_。2、DBSCAN算法在最壞的情況下，時間復(fù)雜度是_、空間復(fù)雜度是_。3、DBSCAN算法的優(yōu)點是_、_。4、DBSCAN算法的缺點是處理_、_的數(shù)據(jù)效果不好。5、DBSCAN算法的參數(shù)有：_、_。6、簇的有效性的非監(jiān)督度量常?？梢苑譃閮深悾篲、_，它常采用的指標(biāo)為_。7、簇的有效性的監(jiān)督度量通常稱為_，它度量簇標(biāo)號與外部提供的標(biāo)號的匹配程度主要借助_。8、在相似度矩陣評價的聚類中，如果有明顯分離的簇，則相似度矩陣應(yīng)當(dāng)粗略地是_。9、DBSCAN算法的參數(shù)確定的基本方法是觀察_的特性。10、不引用附加的

2、信息，評估聚類分析結(jié)果對數(shù)據(jù)擬合情況屬于_技術(shù)。答案：1、 核心點 邊界點 噪聲點2、 O(n2) O(n)3、 耐噪聲 能夠處理任意大小和形狀的簇4、 高維數(shù)據(jù) 變密度的5、 EPS MinPts6、 簇的凝聚性 簇的分離性 均方差(SSE)7、 外部指標(biāo) 監(jiān)督指標(biāo)的熵8、 塊對角的9、 點到它的第K個最近鄰的距離（K-距離）10、非監(jiān)督二、選擇題1、DBSCAN算法的過程是（B）。 刪除噪聲點。 每組連通的核心點形成一個簇。 將所有點標(biāo)記為核心點、邊界點和噪聲點。 將每個邊界點指派到一個與之關(guān)聯(lián)的核心點的簇中。 為距離在Eps之內(nèi)的所有核心點之間賦予一條邊。A：B：C：D：2、如果有m個點

3、，DBSCAN在最壞的情況下的時間復(fù)雜度度為（C）。A O(m) B O(mlogm) C O(m2) D O(logm)3、在基本DBSCAN的參數(shù)選擇方法中，點到它的K個最近鄰的距離中的K選作為哪一個參數(shù)（B）。A Eps B MinPts C 質(zhì)心 D 邊界4、當(dāng)采用K-距離的方法選擇DBSCAN的Eps和MinPts參數(shù)時，如果設(shè)置的K的值太大，則小簇（尺寸小于K的簇）可能會被標(biāo)記為（A）。A 噪聲 B 核心簇 C 邊界簇 D以上都不對5、如果處理以下形狀的數(shù)據(jù)時，適宜采用DBSCAN的是（B）A 球形 B SS形 C 橢球形 D 方形6、DBSCAN之所以難以有效處理高維數(shù)據(jù)，其主要

4、原因是（D）A 數(shù)據(jù)的形狀太復(fù)雜 B 簇的大小未知 C 噪聲點過多 D 開銷過大7、簇評估能夠做到（D）確定數(shù)據(jù)集的聚類趨勢。確定正確的簇個數(shù)。比較兩個簇集，確定那個更好。不引用附加信息，評估聚類分析結(jié)果對數(shù)據(jù)擬合情況A B C D8、如果不考慮外部信息，聚類結(jié)構(gòu)的有良性度量應(yīng)當(dāng)采用（A）。A 均方差 B 方差 C 中位數(shù) D 均值9、比較不同的聚類或簇時，通常采用相對的簇評估度量，相對的簇評估以（）來評價不同的聚類或簇。A SSE或熵 B 簇的大小 C 簇的形狀 D 簇的密度10、對于DBSCAN，參數(shù)Eps固定，當(dāng)MinPts取值較大時，會導(dǎo)致（B）A 能很好的區(qū)分各類簇B 只有高密度的點

5、的聚集區(qū)劃為簇，其余劃為噪聲C 低密度的點的聚集區(qū)劃為簇，其余的劃為噪聲D 無影響三、判斷題1、DBSCAN的參數(shù)Eps固定時，MinPts的值越大越好。（錯）2、DBSCAN會把所有點劃分到各自的簇中。（錯）3、在所有核心點的Eps半徑鄰域內(nèi)的點數(shù)都不少于MinPts閾值。（對）4、SSE在無監(jiān)督的簇評估中能起到很好的作用。（對）5、在通過相似度矩陣評估簇時，如果相似度矩陣是塊對角的，說明具有明顯分離的簇（對）。6、DBSCAN能夠很好的區(qū)分原始數(shù)據(jù)的形狀，但受限于用戶指定的參數(shù)。（對）7、判斷簇的個數(shù)不屬于簇評估。（錯）8、在做聚類時，DBSCAN會刪掉它認(rèn)為是噪聲點的數(shù)據(jù)點。（對）9、D

6、BSCAN的空間復(fù)雜度始終都是O(m)。（對）10、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會合并有重疊的簇。（對）四、簡答題1、描述DBSCAN的算法過程。將所有點標(biāo)記為核心點、邊界點和噪聲點。刪除噪聲點。為距離在Eps之內(nèi)的所有核心點之間賦予一條邊。每組連通的核心點形成一個簇。將每個邊界點指派到一個與之關(guān)聯(lián)的核心點的簇中。2、簡答DBSCAN的優(yōu)點與不足。答，優(yōu)點：DBSCAN是相對抗噪聲的，并且能夠處理任意形狀和大小的簇，缺點：當(dāng)簇的密度變化過大時，DBSCAN就很難敏感的發(fā)現(xiàn)數(shù)據(jù)集中的簇。同時， DBSCAN在處理高維數(shù)據(jù)時，會有很大的開銷。3、簡述DBSCAN算法的核心思想。DBSCAN算法的核心思想是一個簇中除了邊界點，每個點在給定的半徑Eps內(nèi)必須包含不少于PinPts個數(shù)據(jù)點，這樣的點稱為核心點。4、確定DBSCAN參數(shù)的基本的方法是什么。答：觀察點到它的K個最近鄰的距離的特性。對于某個K，計算所有點的K距離，以遞增的次序排序，繪制排序后的值。在圖中找到曲線拐點，拐點處的函