请在 下方输入 要搜索的题目：
推荐参考答案 (
由 搜题小帮手 官方老师解答 )
答案：
以下文字与答案无关
提示：有些试题内容 显示不完整,文字错误 或者 答案显示错误等问题，这是由于我们在扫描录入过程中 机器识别错误导致,人工逐条矫正总有遗漏，所以恳请 广大网友理解。
相关试题
- 1.在基本K均值算法里，当邻近度函数采用曼哈顿距离的时候，质心是簇中各点到中心的距离的均值 （ ）选项： A:曼哈顿距离 B:欧式距离 C:余弦距离 D:Bregman散度
- 2.在基本K均值算法里,当邻近度函数采用( A )的时候,质心是簇中各点到中心的距离的均值A．曼哈顿距离B．欧式距离C．余弦距离D．Bregman散度
- 3.在基本K均值算法里，当邻近度函数采用曼哈顿距离的时候，合适的质心是簇中各点的中位数。（ ）选项： A:曼哈顿距离 B:欧式距离 C:余弦距离 D:Bregman散度
- 4.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。 选项：曼哈顿距离|欧几里德距离|余弦距离|Bregman散度
- 5.在基本K均值算法里，当邻近度函数采用（）时，合适的质心是簇中各点中位数 选项：A、曼哈顿距离B、平方欧几里德距离C、余弦距离D、Bregman散度
- 6.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。 选项： A:曼哈顿距离 B:平方欧几里德距离 C:余弦距离 D:regman散度
- 7.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。 选项： A:曼哈顿距离 B:平方欧几里德距离 C:余弦距离 D:B.regm E:n散度
-
8.在基本K均值算法里，当邻近度函数采用（）的时候，适合的质心是簇中个点的中位数 选项： A:
曼哈顿距离
B:平方欧几里德距离
C:余弦距离
D:Bregman距离
- 9.在基本K均值算法里，当邻近度函数采用（B）的时候，合适的质心就是各点的中位数。 选项： A:曼哈顿距离 B:平方欧几里德距离 C:余弦距离 D:Breg散度
- 10.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。
- 11.KMeans算法中计算样本距离的方法不包括() 选项： A、欧式距离 B、曼哈顿距离 C、正弦相似度 D、余弦相似度
- 12.K近邻（KNN）算法是依据最邻近的几个样本的类别来决定待分类样本所属的类别，其中常用的距离公式包括（ ） 选项： A、欧式距离 B、曼哈顿距离 C、余弦距离 D、切比雪夫距离
- 13.KNN算法中的距离度量方式有哪些？ 选项：A、曼哈顿距离B、欧几里得距离C、余弦相似度D、以上都不是
- 14.在自然语言处理中，通常采用（ ）来衡量词向量间的相似度。A.余弦距离B.欧氏距离C.马氏距离D.曼哈顿距离
- 15.计算距离是KNN算法的关键之一，KNeighborsClassifier类中默认采用（）方式度量距离 选项：A、绝对值距离（曼哈顿距离）B、欧式距离C、切比雪夫距离D、闵可夫斯基距离
- 16.可以用于推荐算法的距离/相似度是 选项： A、曼哈顿距离 B、欧氏距离 C、马氏距离 D、相关系数
- 17.对无序属性可采用？ 选项： A:闵可夫斯基距离 B:VDM C:欧式距离 D:曼哈顿距离
- 18.KNN算法中的距离度量通常采用哪些方法？ 选项：A、 欧氏距离、曼哈顿距离、切比雪夫距离B、 余弦相似度、皮尔逊相关系数、SVMC、 逻辑回归、决策树、朴素贝叶斯D、 随机森林、神经网络、聚类算法
- 19.下述相似度公式正确的是？ 选项： A:汉明距离相似度：1-汉明距离/关键词长度 B:欧几里得距离相似度：1/（1+欧几里得距离） C:曼哈顿距离相似度：1/（1+曼哈顿距离） D:编辑距离相似度：（1-编辑距离/两者之间长度）
- 20.机器学习中,基于样本分类的距离是( )。 选项： A、马氏距离 B、欧式距离 C、曼哈顿距离 D、闵可夫斯基距离
- 21.可以使用的相似度公式是什么？ 选项： A:汉明距离相似度：1-汉明距离/关键词长度 B:欧几里得距离相似度：1/（1+欧几里得距离） C:曼哈顿距离相似度：1/（1+曼哈顿距离） D:编辑距离相似度：（1-编辑距离/两者之间长度）
