【一起入门MachineLearning】中科院机器学习-期末题库-【计算题13+简答题3,22+单选题58,82+多选题19】

这系列的题目来源于周晓飞老师期末发的题库，自留做复习用的🎉 🎉 🎉 加油加油！

知识点可以参考这篇博客：【一起入门MachineLearning】中科院机器学习第*课-聚类算法：K均值（K-means）

计算题13

不想计算距离的话直接画图会更加快。

简答题3

单选题82

这个题目的计算方法和上两个题一样，不再赘述。

单选题58

• k均值会受到初始值和离群点的影响，导致每次的分类结果不稳定，B正确。
• k均值比较高效，时间复杂度接近线性，C错误。
• 可以采用核函数的方法对k均值算法进行调优，D错误。

多选题19

• 相似性度量也就是计算距离的方式。相似性度量，初始聚类，离群点都会影响分类结果，答案选择BC

简答题22

22.K均值算法的优缺点是什么，如何对其调优。
缺点：

• 受初值和离群点的影响每次的结果不稳定
• 结果通常不是全局最优而是局部最优解
• 无法很好地解决数据簇分布差别比较大的情况
• 不太适用于离散分类

优点：

• 对于大数据集，相对高效 ，计算复杂度是 O(NKt) 接近于线性，其中N是数据对象的数目，K是聚类的簇数，t
  是迭代的轮数。

调优方法：

• 数据归一化
• 离群点预处理
• 采用核函数
• 合理选择K值。