Paniere Data mining - risposte multiple

SMCLagrange-Tchebychev

Che tipo di distanza si può utilizzare fra due punti descritti da variabili binarie simmetriche?

1. Lagrange-Tchebychev
2. Minkowski
3. SMC
4. Jaccard

Quando una variabile binaria si dice simmetrica?

1. Se la probabilità che ciascuno dei suoi stati categorici si verifichi è uguale e tutti gli stati assumono lo stesso peso
2. Se la probabilità che ciascuno dei suoi stati continui si verifichi è uguale e tutti gli stati assumono lo stesso peso
3. Se la probabilità che ciascuno dei suoi stati si verifichi (che assuma valore zero o uno) è uguale ed entrambi gli stati assumono lo stesso peso
4. Nessuna delle altre alternative

La formula della similarità coseno fra due vettori utilizza al suo interno?

1. La norma dei due vettori e il prodotto vettoriale fra i due vettori
2. Solo il prodotto scalare dei due vettori
3. Solo il prodotto vettoriale fra due vettori
4. La norma dei due vettori e il prodotto scalare fra i due vettori

E'

Aspirano a trovare gruppi nei dati in modo tale che la somiglianza dei dati all'interno dello stesso gruppo sia alta e sia bassa per punti appartenenti a gruppi diversi. E' sempre noto a priori il numero di cluster da cercare.

Un algoritmo di clustering produce cluster di alta qualità se assicura:

1. Bassa similarità intra-cluster e alta similarità inter-cluster
2. Alta similarità intra-cluster e bassa similarità inter-cluster
3. Alta similarità intra-cluster e alta similarità inter-cluster
4. Bassa similarità intra-cluster e bassa similarità inter-cluster

1. L'algoritmo di clustering SOM (self organizing map) a quale categoria di algoritmi appartiene?

Nessuna delle altre alternative

Gerarchici

Density-based

Partizionali

2. Quale tipologia di algoritmi di clustering è più efficiente per l'identificazione di outlier?

Partizionali

Nessuna delle altre alternative

Density-based

Gerarchici

3.

L'algoritmo di clustering AGNES appartiene alla categoria degli algoritmi gerarchici.

L'algoritmo di clustering k-means appartiene alla categoria degli algoritmi partizionali.

Il criterio "Riduzione eccessiva delle partizioni iniziali" non rappresenta un criterio di convergenza dell'algoritmo di clustering k-means.

I punti di forza dell'algoritmo di clustering K-means sono:

1. Efficienza, in quanto identifica automaticamente il numero di cluster.
2. Termina in un ottimo locale.

E' un diagramma ad albero che mostra le sequenza di fusioni fra cluster generati man mano da un algoritmo di clustering partizionale.

Negli algoritmi di clustering gerarchici con approccio agglomerativo come avviene l'inizializzazione?

1. Si parte con tanti cluster quanti sono gli oggetti
2. Si parte con un numero di cluster assegnato a priori
3. Si parte con un unico cluster contenente tutti gli oggetti
4. Si parte con un numero di cluster che dipende da un raggio e da un numero minimo di punti

Lezione019

Quali sono i principali parametri che occorre fissare per effettuare il clustering tramite l'algoritmo DBSCAN?

1. Nessuna delle alternative
2. Il numero Epsilon di punti del dataset da utilizzare ed il criterio di stop
3. Il numero Epsilon di cluster e il criterio di stop
4. Il numero Epsilon di iterazioni ed il criterio di stop

Oltre al valore del massimo raggio del vicinato, quale altro parametro

è il supporto di una regola associativa? E' la frequenza delle transazioni nel database che verificano la regola rispetto a quelle che ne verificano l'antecedente. E' la frequenza relativa delle transazioni nel database che verificano la regola. Nessuna delle altre alternative. E' la frequenza delle transazioni nel database che verificano l'antecedente della regola.

2. Che cosa è la confidenza di una regola associativa? E' la frequenza delle transazioni nel database che verificano l'antecedente della regola. Nessuna delle altre alternative. E' la frequenza relativa delle transazioni nel database che verificano la regola. E' la frequenza delle transazioni nel database che verificano la regola rispetto a quelle che ne verificano l'antecedente.

3. Quando una regola associativa si definisce forte? Si definisce forte, una regola associativa che soddisfa un supporto massimo prefissato ed una confidenza minima prefissata.

regola associativa che soddisfa un supporto minimo prefissato ed una confidenza minima prefissata

Nessuna delle altre alternative

Si definisce forte, una regola associativa che soddisfa un supporto minimo prefissato ed una confidenza massima prefissata

4. La generazione di regole associative avviene utilizzando che tipologia di apprendimento?

Semi supervisionato

Semi specializzato

Supervisionato

Non supervisionato

5. Che cosa è una regola associativa?

È un'implicazione della forma X->Y, dove X e Y sono degli itemset

È un'implicazione della forma X->Y, dove X e Y sono degli item

È un'implicazione della forma X->Y, dove X è un item ed Y è un itemset

È un'implicazione della forma X->Y, dove X è un itemset ed Y è un item

6. Cosa è la Market Basket Analysis?

Una analisi ha l'obiettivo di studiare la regolarità, all'interno delle transazioni registrate, nelle

vendite dei supermercati

Nessuna delle altre alternative

Una analisi ha l'obiettivo di studiare come assumere i dipendenti nelle pubbliche amministrazioni americane

Una analisi ha l'obiettivo di studiare la regolarità, all'interno delle transazioni registrate, nel contesto del mercato giocatori di pallacanestro

Che cosa è un itemset? Un insieme di transazioni

Un insieme di regole

Un insieme di articoli

Nessuna delle altre alternative

A cosa serve l'algoritmo Apriori? Nessuna delle altre alternative

Per generare regole di classificazione

Per generare regole associative

Per generare regole di clustering

Quale è l'idea di base dell'algoritmo Apriori? L'algoritmo Apriori affronta la fase di generazione degli itemset frequenti per approssimazioni ricorsive, a partire dagli itemset con il numero massimo di elementi

L'algoritmo Apriori affronta la fase di generazione degli itemset frequenti per approssimazioni successive

Partire dagli itemset con un solo elemento

L'algoritmo Apriori affronta la fase di generazione degli itemset frequenti per approssimazioni ricorsive, a partire dagli itemset con un solo elemento

L'algoritmo Apriori affronta la fase di generazione degli itemset frequenti per approssimazioni successive, a partire dagli itemset con il numero massimo di elementi 3.

Che cosa è