网友您好, 请在下方输入框内输入要搜索的题目:
题目内容
(请给出正确答案)
基于邻近度的异常检测算法的局限性有哪些?
A.对参数k选择敏感,如k太小,少量的邻近点导致离群点得分较低,而k太大,则点数少于k的数据点都可能成为离群点
B.参数k选择困难
C.高维空间里,数据是稀疏的,邻近度变得没意义
D.对于高维数据难以估算其真实分布
参考答案和解析
对参数k选择敏感,如k太小,少量的邻近点导致离群点得分较低,而k太大,则点数少于k的数据点都可能成为离群点;高维空间里,数据是稀疏的,邻近度变得没意义
更多 “基于邻近度的异常检测算法的局限性有哪些?A.对参数k选择敏感,如k太小,少量的邻近点导致离群点得分较低,而k太大,则点数少于k的数据点都可能成为离群点B.参数k选择困难C.高维空间里,数据是稀疏的,邻近度变得没意义D.对于高维数据难以估算其真实分布” 相关考题
考题
对于k折交叉验证,以下对k的说法正确的是()A.k越大,不一定越好,选择大的k会加大评估时间B.选择更大的k,就会有更小的bias(因为训练集更加接近总数据集)C.在选择k时,要最小化数据集之间的方差D.以上所有
考题
异质性检验的统计量服从何种分布(k为研究的个数n为第i个研究的样本量):A.自由度为∑n-k的卡方分布
B.自由度为k-1的卡方分布
C.自由度为k-1的F分布
D.自由度为∑n-k的F分布
E.自由度为k-1的t分布
考题
关于K空间的性质描述,下面叙述哪些是正确的().A、图像的对比度特征由填充到K空间中心的数据制造方法和参数决定B、K空间必须填充到一定的程度才能有足够的信息得到有利用价值的图像C、K空间不同位置的数据对最终图像的贡献是不同的D、K空间必须填满数据后才能得到一幅MRI图像
考题
关于混合模型聚类算法的优缺点,下面说法正确的是()A、当簇只包含少量数据点,或者数据点近似协线性时,混合模型也能很好地处理B、混合模型比K均值或模糊C均值更一般,因为它可以使用各种类型的分布C、混合模型很难发现不同大小和椭球形状的簇D、混合模型在有噪声和离群点时不会存在问题
考题
单选题关于混合模型聚类算法的优缺点,下面说法正确的是()A
当簇只包含少量数据点,或者数据点近似协线性时,混合模型也能很好地处理B
混合模型比K均值或模糊C均值更一般,因为它可以使用各种类型的分布C
混合模型很难发现不同大小和椭球形状的簇D
混合模型在有噪声和离群点时不会存在问题
热门标签
最新试卷