文章目录
选项 A：它涉及学习标记数据。
选项 B：它需要预定义的输出标签进行训练。
选项 C：它涉及在未标记的数据中寻找模式和关系。
选项 D：它专注于根据输入-输出对进行预测。
答案：选项 C 描述了无监督学习的本质，即在未标记的数据中寻找模式和关系。
*这道题目问的是在无监督学习中通常用于聚类的算法是哪一个。
选项 A：决策树（Decision Trees）
选项 B：支持向量机（Support Vector Machines，SVM）
选项 C：K均值（K-Means）
选项 D：随机森林（Random Forest）
答案：选项 C，K均值（K-Means）算法是一种常用于无监督学习中的聚类算法。
这道题目询问的是在无监督学习中，通过尽可能保留方差来降低数据维度的技术是哪一个。
选项 A：主成分分析（Principal Component Analysis，PCA）
选项 B：决策树（Decision Trees）
选项 C：朴素贝叶斯（Naive Bayes）
选项 D：线性回归（Linear Regression）
答案：选项 A，主成分分析（PCA）是一种常用于无监督学习中的降维技术，它通过保留数据中的主要方差来减少数据的维度。
这道题目询问的是用于衡量无监督学习中聚类算法性能的常用评估指标是哪一个。
选项 A：准确率（Accuracy）
选项 B：精确率（Precision）
选项 C：F1 分数（F1-score）
选项 D：轮廓系数（Silhouette coefficient）
答案：选项 D，轮廓系数是一种常用于衡量聚类算法性能的指标。
这道题目问的是以下哪项任务通常不使用无监督学习。
选项 A：客户分割（Customer segmentation）
选项 B：异常检测（Anomaly detection）
选项 C：情感分析（Sentiment analysis）
选项 D：图像聚类（Image clustering）
答案：选项 C，情感分析通常不是使用无监督学习来执行的任务。
