2026年聚类能力测试题及答案

2026年聚类能力测试题及答案

一、单项选择题（总共10题，每题2分）1.聚类与分类的本质区别在于（）A.是否需要计算距离B.是否使用机器学习算法C.是否有预先标注的标签D.是否处理数值型数据2.K-means算法中，初始质心的选择会直接影响（）A.簇的数量B.结果的稳定性C.算法的时间复杂度D.特征的维度3.DBSCAN算法中，“核心点”的定义是（）A.簇中距离质心最近的点B.在eps邻域内包含至少minPts个数据点的点C.簇中数量最多的点D.距离其他簇最远的点4.层次聚类中的“凝聚式聚类”是指（）A.自顶向下将大簇分裂为小簇B.自底向上将小簇合并为大簇C.随机选择初始簇进行合并D.基于密度梯度合并簇5.文本聚类任务中，常用于衡量两个文本相似性的距离是（）A.欧氏距离B.曼哈顿距离C.余弦距离D.马氏距离6.以下属于聚类内部质量评估指标的是（）A.调整兰德指数（ARI）B.轮廓系数（SilhouetteCoefficient）C.归一化互信息（NMI）D.F1-score7.MeanShift算法的核心思想是通过（）找到数据的密度模式点A.随机采样B.密度梯度上升C.质心迭代更新D.网格划分8.高维数据聚类时，最常遇到的挑战是（）A.数据量过小B.维度灾难C.特征相关性低D.计算速度过快9.马氏距离与欧氏距离的主要区别在于它考虑了（）A.数据的稀疏性B.特征之间的相关性和尺度差异C.向量的方向D.数据的维度10.网格-based聚类算法（如STING）的主要优点是（）A.能处理非球形簇B.对异常值不敏感C.处理大规模数据时速度快D.不需要参数设置二、填空题（总共10题，每题2分）1.聚类分析的核心目标是将数据划分为______的簇。2.K-means算法的迭代终止条件通常是______或达到预设的最大迭代次数。3.层次聚类中，计算簇间距离的常用方法包括单链接、完全链接和______。4.DBSCAN算法中，“边界点”是指位于某个核心点的eps邻域内，但自身eps邻域内的点数______minPts的点。5.谱聚类算法的关键步骤包括构建相似性矩阵、计算______、对降维后的结果进行聚类。6.当数据中存在噪声点时，______算法能够有效识别并排除这些噪声点对聚类结果的影响。7.对数据进行归一化处理（如Z-score标准化）的主要目的是消除______对聚类结果的影响。8.聚类评估中的“外部指标”（如调整兰德指数）需要______才能计算，用于衡量聚类结果与真实情况的一致性。9.OPTICS算法是DBSCAN的改进版，主要解决了后者对______参数过于敏感的问题。10.文本聚类任务中，常用的特征表示方法是将文本转换为______。三、判断题（总共10题，每题2分）1.K-means算法能够有效处理非球形分布的簇数据。（）2.层次聚类的结果可以通过树状图（Dendrogram）直观展示簇的合并或分裂过程。（）3.余弦距离衡量的是两个向量的长度相似性，而非方向相似性。（）4.DBSCAN算法不需要预先指定簇的数量。（）5.Davies-Bouldin指数的值越小，说明聚类结果的簇内紧凑性和簇间分离度越好。（）6.归一化处理对K-means算法的结果没有影响，因为它仅改变数据的尺度。（）7.谱聚类算法适用于处理非凸形状的簇数据。（）8.网格-based聚类算法的时间复杂度主要取决于网格的数量，而非原始数据量。（）9.计算马氏距离时需要用到样本的协方差矩阵。（）10.异常值对K-means算法结果的影响比DBSCAN算法更大。（）四、简答题（总共4题，每题5分）1.简述K-means算法的基本步骤及主要缺点。2.说明DBSCAN算法中核心点、边界点和噪声点的定义。3.高维数据聚类为何会遇到“维度灾难”问题？请列举两种缓解方法。4.简述轮廓系数（SilhouetteCoefficient）的计算方法及意义。五、讨论题（总共4题，每题5分）1.初始质心的选择会对K-means算法结果产生怎样的影响？请说明两种常用的改进方法。2.在文本聚类任务中，为何常选择余弦距离而非欧氏距离？请结合文本数据的特点分析。3.若需对电商平台用户的购买行为数据进行聚类以识别用户群体，你会选择哪种聚类算法？请说明原因及预处理步骤。4.聚类结果的“主观性”指什么？实际应用中如何减少这种主观性的影响？答案一、单项选择题答案1.C2.B3.B4.B5.C6.B7.B8.B9.B10.C二、填空题答案1.同一簇内相似性高、不同簇间相似性低2.质心不再发生显著变化3.平均链接4.小于5.拉普拉斯矩阵6.DBSCAN7.特征尺度差异8.真实标签9.eps10.向量表示三、判断题答案1.×2.√3.×4.√5.√6.×7.√8.√9.√10.√四、简答题答案1.基本步骤：①选择簇的数量K；②随机选K个点作为初始质心；③计算每个点到各质心的距离，分配到最近簇；④计算簇内均值更新质心；⑤重复直到质心稳定或达最大迭代次数。主要缺点：对初始质心敏感，易局部最优；需预先指定K；对非球形簇效果差；受异常值影响大。2.核心点：eps内有至少minPts个点的点；边界点：在核心点eps内但自身eps内点数不足minPts的点；噪声点：既非核心点也非边界点的点，不依附于任何核心点。3.维度灾难指高维数据稀疏，距离度量失效，簇边界模糊。缓解方法：①特征选择，筛掉无关特征；②特征提取，用PCA降维；③用谱聚类等适用于高维的算法。4.计算：对每个点i，a(i)是簇内平均距离，b(i)是到最近其他簇的平均距离，sil(i)=(b(i)-a(i))/max(a(i),b(i))。意义：范围[-1,1]，值越大说明点在簇内越紧凑、与其他簇越分离，均值越高聚类效果越好。五、讨论题答案1.影响：初始质心选在离群点或稀疏区会导致结果不稳定，易局部最优。改进方法：①k-means++，初始质心尽可能远；②多次随机初始化，选最优结果。2.文本数据高维、稀疏、关注方向：余弦距离衡量向量夹角，不受长度影响，能捕捉主题方向相似性；欧氏距离受长度影响（如长文本欧氏距离大但主题可能相同），故余弦更适合。3.选DBSCAN。原因：不需要指定K，能识别噪声用户，适应不规则分布。预处理：①数