單項選擇題
A.以服務(wù)時間ti從小到大安排B.以di-ti從小到大安排C.以截止時間di從小到大安排D.以上都不可能
多項選擇題
A.拉斯維加斯算法B.蒙特卡洛算法C.洗牌算法D.舍伍德算法
A.P問題是確定性算法多項式時間復(fù)雜性解決的可判定問題B.NP問題是確定性算法不能在多項式時間復(fù)雜性解決的可判定問題C.D.
A.數(shù)值概率算法B.舍伍德算法C.拉斯維加斯算法D.蒙特卡羅算法
A.最小生成樹B.單源最短路徑C.最優(yōu)二叉搜素樹D.哈夫曼編碼樹
A.O（n2n）B.O（nlogn）C.O（n2）D.O（n）
A.Ω（nlogn）B.O（nlogn）C.o（nlogn）D.θ（nlogn）
A.三個算法都能給出最優(yōu)解，差別在于效率B.三個算法效率差不多，差別在于給出的解的質(zhì)量C.枚舉法是精確算法，遺傳算法是近似算法D.遺傳算法和基于最小生成樹的算法都是近似算法，不同在于后者能保證近似的精度在一定范圍內(nèi)，前者則不能保證
?如下圖所示，樣本中有三個類別C1、C2、C3，采用KNN分類算法，圖中給出了被測數(shù)據(jù)對象X和Y在特征空間中的映射點(diǎn)，以X、Y為中心的圓表示對應(yīng)K個與X、Y最相近點(diǎn)的分布情況。依據(jù)KNN的多數(shù)表決規(guī)則，X歸為C3類，Y歸為C2類，但感覺這個分類結(jié)果與圖示有些偏差，直觀上X和Y都比較接近C1。你覺得可以采取哪些措施來改進(jìn)算法以避免這種情況發(fā)生？（）
A.X的問題是K值選擇太小，可以適當(dāng)增大K值，Y的問題是K值過大，可以適當(dāng)減小K值B.Y的分類問題可能是由于樣本數(shù)不平衡造成，可以考慮壓縮C2類別的樣本數(shù)量C.Y的問題可以考慮用加權(quán)多數(shù)表決法解決D.X的問題可能是C3類含比較異常的樣本，去除異常樣本數(shù)據(jù)可以提高分類準(zhǔn)確度
采用KNN分類，表中列出了與被測對象距離最近的5個結(jié)果，采用歐式距離，有2個類別“0”、“1”。請選擇以下正確的選項（）。
A.采用多數(shù)表決法，K=3時，結(jié)果為“0”類，K=5時為“1”類B.用加權(quán)多數(shù)表決法，直接用距離倒數(shù)作為權(quán)值。結(jié)果與A一致C.用加權(quán)多數(shù)表決法，直接用距離倒數(shù)作為權(quán)值。K=3和K=5時，結(jié)果均為“0”類D.采用加權(quán)表決規(guī)則后，K值越大，準(zhǔn)確性越高
?假設(shè)一門課將一部分內(nèi)容安排成了線上內(nèi)容，包括課程相關(guān)的視頻和集中討論兩部分。對于線上內(nèi)容學(xué)生可以自愿選擇是否參加，不影響總成績。學(xué)期結(jié)束時，老師希望對學(xué)生在線上的學(xué)習(xí)情況用KNN進(jìn)行分析，老師能夠統(tǒng)計到每個學(xué)生線上收看視頻的時間，以及參與集中討論的時間?，F(xiàn)在老師希望做兩個分類工作：（1）根據(jù)學(xué)生看視頻和參與討論的時間，將學(xué)生分成“自主學(xué)習(xí)型”（看視頻較多）和“集中學(xué)習(xí)型”（參與討論較多）兩類。（2）根據(jù)學(xué)生參與線上內(nèi)容的程度，將學(xué)生分成“課堂學(xué)習(xí)型”和“課堂+線上學(xué)習(xí)型”。?試問對于上述兩個分類工作，如果考慮歐式距離和余弦相似度，應(yīng)該選擇哪種距離函數(shù)比較合適？（）
A.（1）和（2）都選擇余弦相似度B.（1）選擇歐式距離，（2）選擇余弦相似度C.（1）選擇余弦相似度，（2）選歐式距離D.（1）和（2）都選歐式距離
微信掃一掃關(guān)注公眾號后聯(lián)系客服
微信掃碼免費(fèi)搜題
