在基本K均值算法里,当邻近度函数采用()的时候,合适的质心是簇中各点的中位数。
第1题:
最小平方准则的含义是( )。
A.骨干线穿过的散点最多
B.所有散点与骨干线的距离 之和最小
C.所有散点与骨干线的距离平方 和最小
D.大部分散点与骨干线的距离平方和最小
第2题:
A.欧几里得距离
B.明科夫斯基距离
C.余弦距离
D.Jaccard距离
第3题:
用最小二乘法确定直线回归方程的原则是
A、各观察点距直线的纵向距离相等
B、各观察点距直线的纵向距离的平方和最小
C、各观察点距直线的纵向距离的和最小
D、各观察点与直线的垂直距离相等
E、各观察点与直线的垂直距离的平方和最小
第4题:
第5题:
最小二乘法原理是指各实测点距回归直线的
A、垂直距离相等
B、垂直距离的和最小
C、垂直距离的平方和最小
D、纵向距离之和最小
E、纵向距离的平方和最小
第6题:
在k-means或kNN,我们常用欧氏距离来计算最近的邻居之间的距离,有时也用曼哈顿距离,请对比下这两种距离的差别
欧氏距离,最常见的两点之间或多点之间的距离表示法,又称之为欧几里得度量,它定义于欧几里得空间中,如点 x = (x1,...,xn) 和 y = (y1,...,yn) 之间的距离为:
欧氏距离虽然很有用,但也有明显的缺点。它将样品的不同属性(即各指标或各变量量纲)之间的差别等同看待,这一点有时不能满足实际要求。例如,在教育研究中,经常遇到对人的分析和判别,个体的不同属性对于区分个体有着不同的重要性。因此,欧氏距离适用于向量各分量的度量标准统一的情况。曼哈顿距离,我们可以定义曼哈顿距离的正式意义为L1-距离或城市区块距离,也就是在欧几里得空间的固定直角坐标系上两点所形成的线段对轴产生的投影的距离总和。例如在平面上,坐标(x1, y1)的点P1与坐标(x2, y2)的点P2的曼哈顿距离为:
要注意的是,曼哈顿距离依赖座标系统的转度,而非系统在座标轴上的平移或映射。当坐标轴变动时,点间的距离就会不同。通俗来讲,想象你在曼哈顿要从一个十字路口开车到另外一个十字路口,驾驶距离是两点间的直线距离吗?显然不是,除非你能穿越大楼。而实际驾驶距离就是这个“曼哈顿距离”,这也是曼哈顿距离名称的来源, 同时,曼哈顿距离也称为城市街区距离(City Block distance)。曼哈顿距离和欧式距离一般用途不同,无相互替代性。
第7题:
用最小二乘法确定直线回归方程的原则是
A、各观测点距直线的纵向距离相等
B、各观测点距直线的纵向距离平方和最小
C、各观测点距直线的垂直距离相等
D、各观测点距直线的垂直距离平方和最小
E、各观测点距直线的纵向距离等于零
第8题:
最小二乘法确定直线回归方程的基本原则是使各观察点
A、距直线的纵向距离相等
B、距直线的纵向距离的平方和最小
C、与直线的垂直距离相等
D、与直线的垂直距离的平方和最小
E、距直线的纵向距离和的平方最小
第9题:
第10题: