KMeans聚类算法期末试题及详细参考答案

KMeans聚类算法期末试题及详细参考答案适用场景：机器学习、数据挖掘课程课后测试、期末复习考试时长：60分钟满分：100分一、单项选择题（共5题，每题4分，共20分）1.KMeans算法所属的机器学习任务类型是（）A.监督学习B.无监督学习C.半监督学习D.强化学习2.KMeans算法的核心聚类依据是（）A.数据标签相似度B.数据欧式距离C.数据概率分布D.数据特征权重3.以下哪项不属于KMeans算法的核心步骤（）A.初始化聚类中心B.样本归属簇划分C.反向传播更新权重D.迭代更新聚类中心4.KMeans算法中，目标损失函数是（）A.簇内平方和误差（SSE）B.交叉熵损失C.极大似然损失D.L2正则损失5.关于KMeans算法特点，说法错误的是（）A.需要提前指定聚类数量KB.对异常数据较为敏感C.适合处理非球形簇数据D.迭代收敛速度较快二、填空题（共5空，每空3分，共15分）1.KMeans算法的核心思想是将数据集划分为__________、互不重叠的K个簇。2.每次迭代中，KMeans通过计算每个簇内所有样本的__________来更新聚类中心。3.KMeans迭代终止的两个常用条件：聚类中心不再变化、__________。4.当数据存在大量异常值时，KMeans聚类效果会变差，可优先选用__________算法优化。5.轮廓系数可以用来评价KMeans聚类效果，轮廓系数越接近__________，聚类效果越好。三、简答题（共3题，每题10分，共30分）1.简要阐述KMeans算法的完整执行流程。2.分析KMeans算法的主要优缺点（各答3点即可）。3.为什么KMeans算法初始聚类中心的选择会影响最终聚类结果？如何优化初始中心点选择？四、计算题（共1题，35分）现有一维数据集：[1,2,5,6,9,10]，设定聚类数量K=2。手动指定初始聚类中心：μ₁=2，μ₂=9，采用欧式距离计算样本与中心点距离，完成KMeans迭代聚类全过程，写出每一轮迭代的簇划分、新聚类中心及最终聚类结果。详细参考答案及解析一、单项选择题（每题4分，共20分）1.答案：B解析：KMeans无需人工标注样本标签，通过数据自身特征相似度自动分组，属于典型的无监督聚类算法。监督学习需要标签数据，半监督学习结合少量标签+大量无标签数据，强化学习侧重交互试错学习，均不符合。2.答案：B解析：标准KMeans默认采用欧式距离衡量样本与聚类中心的相似度，距离越小，样本与中心关联性越强，越大概率归为同一簇。KMeans无数据标签、概率分布、特征权重计算逻辑。3.答案：C解析：反向传播更新权重是神经网络的核心训练步骤，和KMeans无关。KMeans完整步骤为：初始化中心点→划分样本簇→更新中心点→迭代收敛。4.答案：A解析：簇内平方和误差（SSE）是KMeans的核心损失函数，算法迭代的核心目标就是最小化所有簇内样本到对应中心点的距离平方和。交叉熵、极大似然、正则损失均为监督学习常用损失函数。5.答案：C解析：KMeans仅对球形、凸型数据聚类效果较好，对非球形、疏密不均、形状不规则的簇适配性极差。ABD均为KMeans的正确特性。二、填空题（每空3分，共15分）1.紧凑独立2.均值（算术平均值）3.达到最大迭代次数4.KMedoids（K中心点）5.1解析：轮廓系数取值范围为[-1,1]，趋近1说明簇内紧凑、簇间差异大；趋近0说明簇重叠严重；负数说明聚类结果混乱。三、简答题（每题10分，共30分）1.KMeans算法完整执行流程答：KMeans是迭代式聚类算法，整体流程分为4步：（1）初始化：根据预设聚类数K，从数据集中随机选取K个样本作为初始聚类中心；（2）簇分配：遍历所有样本，计算每个样本到K个聚类中心的欧式距离，将样本划分到距离最近的聚类中心对应的簇中；（3）中心更新：分别计算每个簇内所有样本的特征均值，将该均值作为对应簇新的聚类中心；（4）迭代收敛：重复簇分配和中心更新步骤，直到聚类中心不再发生变化，或达到预设最大迭代次数，最终输出K个聚类结果。（评分标准：4个核心步骤答全得满分，少1步扣2-3分）2.KMeans算法的优缺点答：优点：（1）算法逻辑简单、易于理解和代码实现，训练效率高；（2）迭代收敛速度快，对大规模数据集的计算成本较低；（3）聚类效果直观，簇划分规则清晰，可解释性较强。缺点：（1）需要人工提前指定聚类数K，K值选择不当会严重影响聚类效果；（2）初始聚类中心随机选择，容易陷入局部最优解，结果不稳定；（3）对异常值、噪声数据敏感，异常点会偏移聚类中心，破坏簇的紧凑性。（评分标准：优缺点各3点，每点1.5分，表述合理即可得分）3.初始中心点的影响及优化方法答：影响原因：KMeans的迭代过程是基于初始中心点逐步优化的，算法仅能收敛到局部最优解，而非全局最优解。若初始中心点距离过近、或落在同一密集区域，会导致最终聚类簇划分失衡，出现部分簇样本过多、部分簇样本过少，甚至聚类失效的问题，不同初始中心点会得到完全不同的聚类结果。优化方法：采用KMeans++算法优化初始中心点，核心逻辑为：先随机选取第一个中心点，后续每次选取距离已有所有中心点最远的样本作为新的初始中心点，保证K个初始中心点尽可能分散，有效降低局部最优风险，提升聚类稳定性。（评分标准：说明白局部最优问题得5分，优化方法阐述清晰得5分）四、计算题（35分）已知：数据集D=[1,2,5,6,9,10]，K=2，初始中心μ₁=2、μ₂=9，距离公式：d(x,μ)=|x−μ|（一维欧式距离）第一轮迭代1.计算所有样本到两个中心点的距离：样本1：d(1,2)=1，d(1,9)=8→归为簇1（μ₁）样本2：d(2,2)=0，d(2,9)=7→归为簇1（μ₁）样本5：d(5,2)=3，d(5,9)=4→归为簇1（μ₁）样本6：d(6,2)=4，d(6,9)=3→归为簇2（μ₂）样本9：d(9,2)=7，d(9,9)=0→归为簇2（μ₂）样本10：d(10,2)=8，d(10,9)=1→归为簇2（μ₂）2.本轮簇划分结果：簇1：[1,2,5]，簇2：[6,9,10]3.更新聚类中心：新μ₁=(1+2+5)/3=8/3≈2.67新μ₂=(6+9+10)/3=25/3≈8.33中心点发生变化，继续迭代第二轮迭代以新中心μ₁≈2.67、μ₂≈8.33重新计算距离、划分簇：样本1：d=1.66，d=7.32→簇1样本2：d=0.67，d=6.33→簇1样本5：d=2.33，d=3.33→簇1样本6：d=3.33，d=2.33→簇2样本9：d=6.33，d=0.67→簇2样本10：d=7.33，d=1.67→簇2本轮簇划分结果与第一轮完全一致重新计算