python数据分析 期末测验,python数据分析基础题库

本文讨论了Python在数据分析中的应用,涉及层次聚类、Ward方法、DBSCAN聚类算法对噪声的抵抗能力,以及K均值对不同密度数据的处理,还介绍了无监督学习中的分类、关联分析和主成分分析等技术在不知标签情况下的应用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

大家好,小编来为大家解答以下问题,python数据分析与应用选择题答案,python数据分析与应用课后题,现在让我们一起来看看吧!

1.

从点作为个体簇开始,每一步合并两个最接近的簇,这是一种分裂的层次聚

类方法。

()

2.

数据挖掘的目标不在于数据采集策略,而在于对已经存在的数据进行模式的

发掘python简单代码画皮卡丘

()

3.

在聚类分析当中,簇内的相似性越大,簇间的差别越大,聚类的效果就越

差。

(

)

4.

当两个点之间的邻近度取它们之间距离的平方时,

Ward

方法与组

平均非常相似。()

5.

DBSCA

是相对抗噪声的,并且能够处理任意形状和大小的簇。

()

6.

属性的性质不必与用来度量他的值的性质相同。

()

7.

全链对噪声点和离群点很敏感。

()

8.

对于非对称的属性,只有非零值才是重要的。

()

9.

K

均值可以很好的处理不同密度的数据。

()

10.

单链技术擅长处理椭圆形状的簇。

()

二、选择题(每题

2

分,

30

分)

1.

当不知道数据所带标签时,可以使用哪种技术促使带同类标签的数据与带其

他标签的数据相分

离?

()

A.

分类

B.

聚类

C.

关联分析

D.

主成

分分析

2.

()将两个簇的邻近度定义为不同簇的所有点对邻近度的平均值,它是一种

数据挖掘试卷

A

分类

B

预测

C

关联规则分析

D

聚类

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值