登陆题目详情
单选题 可以从最小化每个类簇的方差这一视角来解释K均值聚类的结果,下面对这一视角描述不正确的是( )
![[智慧共享课]人工智能引论课程封面](https://tihai-oss-cloud.itihey.com/img/d7ea7086329261ddbccb0e9e00c955b1.jpg)
学科：[智慧共享课]人工智能引论
时间：2024-05-09 00:52:28
相关题目
相关作业
题目1单选题
在潜在语义分析中,给定M个单词和N个文档所构成的单词-文档矩阵(term-document)矩阵,对其进行分解,将单词或文档映射到一个R维的隐性空间.下面描述不正确的是( )A. 单词和文档映射到隐性空间后具有相同的维度B. 通过矩阵分解可重建原始单词-文档矩阵,所得到的重建矩阵结果比原始单词-文档矩阵更好捕获了单词-单词、单词-文档、文档-文档之间的隐性关系C. 这一映射过程中需要利用文档的类别信息D. 隐性空间维度的大小由分解过程中所得对角矩阵中对角线上不为零的系数个数所决定
题目2单选题
下面对特征人脸算法描述不正确的是( )A. 特征人脸方法是一种应用主成分分析来实现人脸图像降维的方法B. 特征人脸方法是用一种称为"特征人脸(eigenface)"的特征向量按照线性组合形式来表达每一张原始人脸图像C. 每一个特征人脸的维数与原始人脸图像的维数一样大D. 特征人脸之间的相关度要尽可能大
题目3单选题
下面对主成分分析的描述不正确的是( )A. 主成分分析是一种特征降维方法B. 主成分分析可保证原始高维样本数据被投影映射后,其方差保持最大C. 在主成分分析中,将数据向方差最大方向进行投影,可使得数据所蕴含信息没有丢失,以便在后续处理过程中各个数据"彰显个性"D. 在主成分分析中,所得低维数据中每一维度之间具有极大相关度
题目4单选题
下面对相关性(correlation)和独立性(independence)描述不正确的是( )A. 如果两维变量线性不相关,则皮尔逊相关系数等于0B. 如果两维变量彼此独立,则皮尔逊相关系数等于0C. "不相关"是一个比"独立"要强的概念,即不相关一定相互独立D. 独立指两个变量彼此之间不相互影响
题目5单选题
可以从最小化每个类簇的方差这一视角来解释K均值聚类的结果,下面对这一视角描述不正确的是( )A. 最终聚类结果中每个聚类集合中所包含数据呈现出来差异性最小B. 每个样本数据分别归属于与其距离最近的聚类质心所在聚类集合C. 每个簇类的方差累加起来最小D. 每个簇类的质心累加起来最小
下载 题海APP
拍照搜题更快捷
- 海量题库
- 无搜索限制
- 快捷拍照搜题
