假设,我们有如下分成三类的数据,使用KNN算法(k=4),计算点(6,5)所属的类别应是(欧式距离):
A.类别2
B.类别1
C.类别3
D.不确定
A.类别2
B.类别1
C.类别3
D.不确定
第2题
算法设计:对于给定的组卷要求,计算满足要求的组卷方案.
数据输入:由文件input.txt提供输入数据.文件第1行有2个正整数k和n(2≤k≤20,k≤n≤1000),k表示题库中试题类型总数,n表示题库中试题总数.第2行有k个正整数,第i个正整数表示要选出的类型i的题数.这k个数相加就是要选出的总题数m.接下来的n行给出了题库中每个试题的类型信息.每行的第1个正整数p表明该题可以属于p类,接着的p个数是该题所属的类型号.
结果输出:将组卷方案输出到文件output.txt.文件第i行输出“i:”后接类型i的题号.如果有多个满足要求的方案,只要输出1个方案.如果问题无解,则输出“NoSolution!".
第3题
A、ISODATA不是每调整一个样本的类别就重新计算一次各类样本的均值,而是在把所有样本都调整完毕之后才重新计算
B、ISODATA一次完成分类
C、ISODATA算法不仅可以通过调整样本所属类别完成样本的聚类分析,而且可以自动地进行类别合并和分裂从而得到类数比较合理的聚类结果
D、分类结果中的类别数是固定的
第4题
试设计一个算法确定合并这个序列的最优合并顺序,使所需的总比较次数最少.
为了进行比较,还需要确定合并这个序列的最运合并顺序,使所需的总比较次数最多.
算法设计:对于给定的k个待合并序列,计算最多比较次数和最少比较次数合并方案.
数据输入:由文件input.txt给出输入数据.第1行有1个正整数k,表示有k个待合并序列.接下来的1行有k个正整数,表示k个待合并序列的长度.
结果输出:将计算的最多比较次数和最少比较次数输出到文件output.txt.
第5题
物质 | H2O(g) | CuSO4(s) | CuSO4·5H2O(s) |
Delta_{f}G_{m}^{Theta }/(kJcdot mol^{-1}) | -228.5 | -661.9 | -1880.1 |
求反应在298K时的和水的饱和蒸汽压。
第7题
假设上表的数据中样本1、样本4、样本7分别选择作为聚类的初始中心,且欧氏距离为距离的度量,给出对上表的数据应用k-means算法后形成的三个簇(要求:给出具体的计算过程)。
第8题
设有数据逻辑结构为:
B=(K,R),K={k1,k2,…,k9},
R={<k1,k3>,<k1,k8>,<k2,k3>,<k2,k4>,<k2,k5>,<k3,k9>,<k5,k6>,<k8,k9>,<k9,k7>,<k4,k7>,<k4,k6>}
画出这个逻辑结构的图示,并确定相对于关系R,哪些结点是开始结点,哪些结点是终端结点。
第10题
(i)计算样本中netta的平均值、标准差、最小值和最大值。
(ii)检验假设:平均netta不会因为401(k)资格状况而有所不同,使用双侧备择假设。估计差异的美元数量是多少?
(iii)根据第7章的计算机练习C7的第(ii)部分,e401k在一个简单回归模型中显然不是外生的,起码它随着收入和年龄而变化。以收入、年龄和e401k作为解释变量估计nettfa的一个多元线性回归模型。收入和年龄应该以二次函数形式出现。现在,估计401(k)资格的美元效应是多少?
(iv)在第(ii)部分估计的模型中,增加交互项e401k(age-41)和e401k-(age-41)2。注意样本中的平均年龄约为41岁,所以在新模型中,e401k的系数是401(k)资格在平均年龄处的估计效应。哪个交互项显著?
(v)比较第(iii)和(iv)部分的估计值,401(k)资格在41岁处的估计效应差别大吗?请解释。
(vi)现在,从模型中去掉交互项,但定义5个家庭规模虚拟变量:fsizel,fsize2,fsize3,fsize4和fsize5。对有5个或5个以上成员的家庭,fsize5等于1。在第(ii)部分估计的模型中,增加家庭规模虚拟变量,记得选择一个基组。这些家庭虚拟变量在1%的显著性水平上显著吗?
(vii)现在,针对模型
在容许截距不同的情况下,做5个家庭规模类别的邹至庄检验。约束残差平方和SSR,从第(iv)部分得到,因为那里回归假定了相同斜率。无约束残差平方和其中SSRf是从仅用家庭规模f估计的方程中得到的残差平方和。你应该明白,无约束模型中有30个参数(5个截距和25个斜率),而约束模型中有10个参数(5个截距和5个斜率)。因此,带检验的约束个数是q=20,而且无约束模型的df为9275-30=9245。
为了保护您的账号安全,请在“上学吧”公众号进行验证,点击“官网服务”-“账号验证”后输入验证码“”完成验证,验证成功后方可继续查看答案!