Veri Madenciliği Ünite -8
Kümeleme Yöntemleri
#1. DBSCAN algoritmasında kullanılan epsilon (ε) nedir?
Cevap: B) Yoğunluk eşiği
Açıklama: Epsilon (ε), DBSCAN algoritmasında yoğunluk eşiği olarak kullanılır ve bir veri noktasının komşuluğunu belirler.
#2. Hangi kümeleme türünde nesneler sadece bir kümeye ait olabilir?
Cevap: D) Özel Kümeleme
Açıklama: Özel kümeleme, nesnelerin sadece bir kümeye ait olabileceği kümeleme türüdür. Bu, veri noktalarının birden fazla kümeye dahil olmaması anlamına gelir.
#3. Nesnelerin birden fazla kümeye ait olabileceği kümeleme türü hangisidir?
Cevap: E) Örtüşen Kümeleme
Açıklama: Örtüşen kümeleme, nesnelerin birden fazla kümeye ait olabileceği kümeleme türüdür. Bu sayede veri noktaları birden fazla kümeye dahil olabilir.
#4. Ağaç yapısında alt kümeler oluşturan kümeleme türü hangisidir?
Cevap: C) Hiyerarşik Kümeleme
Açıklama: Hiyerarşik kümeleme, veriyi ağaç yapısında alt kümelere böler ve bu sayede farklı seviyelerdeki alt kümeler oluşturur.
#5. SOM'un (Kendi Kendini Düzenleyen Haritalar) avantajları nelerdir?
Cevap: B) Boyut azaltma özelliği
Açıklama: SOM (Kendi Kendini Düzenleyen Haritalar), boyut azaltma özelliği ile öne çıkar ve yüksek boyutlu verileri düşük boyutlu haritalara indirger.
#6. DBSCAN algoritmasının öne çıkan özellikleri nelerdir?
Cevap: B) Aykırı değerleri saptama ve silme yeteneği
Açıklama: DBSCAN algoritması, aykırı değerleri saptama ve silme yeteneği ile öne çıkar ve yoğunluk tabanlı kümeleme yapar.
#7. K-ortalamalar kümeleme yönteminde, veri noktalarının kümelere atanmasında hangi kritere göre karar verilir?
Cevap: B) Küme merkezine olan uzaklığa göre
Açıklama: K-ortalamalar kümeleme yönteminde, veri noktalarının kümelere atanmasında küme merkezine olan uzaklığa göre karar verilir.
#8. SOM'un (Kendi Kendini Düzenleyen Haritalar) eğitim süreci nasıl işler?
Cevap: B) Rekabetçi öğrenme kullanarak ağırlıkları günceller.
Açıklama: SOM’un eğitim süreci, rekabetçi öğrenme kullanarak ağırlıkları günceller ve verileri düşük boyutlu bir haritaya projekte eder.
#9. Hangi kümeleme türü, veriyi kesinlikle örtüşmeyen alt kümelerine böler?
Cevap: D) Bölütlenmiş Kümeleme
Açıklama: Bölütlenmiş kümeleme, veriyi kesinlikle örtüşmeyen alt kümelere böler ve her nesne yalnızca bir kümeye ait olur.
#10. K-ortalamalar kümeleme yönteminde, merkezi prototip genellikle hangi tür veriler için kullanılır?
Cevap: A) Nicel Veriler
Açıklama: K-ortalamalar kümeleme yönteminde, merkezi prototip genellikle nicel veriler için kullanılır, çünkü bu yöntem veri noktalarının aritmetik ortalamasını hesaplar.
SONUÇ
İstanbul Üniversitesi Açık ve Uzaktan Eğitim Fakültesi (Auzef)
Açık Öğretim Fakültesi
Bölüm : Yönetim Bilişim Sistemleri Lisans
4. Sınıf Veri Madenciliği Bahar Dönemi
Ünite 8 : Kümeleme Yöntemleri
İstanbul Üniversitesi Açık ve Uzaktan Eğitim Fakültesi (Auzef)
Açık Öğretim Fakültesi
Bölüm : Yönetim Bilişim Sistemleri Lisans
4. Sınıf Veri Madenciliği Bahar Dönemi
Ünite 8 : Kümeleme Yöntemleri
HD Quiz powered by harmonic design
Kümeleme Yöntemleri
İstanbul Üniversitesi Açık ve Uzaktan Eğitim Fakültesi (Auzef) Açık Öğretim Fakültesi Bölüm : Yönetim Bilişim Sistemleri Lisans 4. Sınıf Veri Madenciliği Bahar Dönemi Ünite 8 : Kümeleme Yöntemleri |
---|
|
Kümeleme Yöntemleri
|
|
Yönetim Bilişim Sistemleri Lisans
Auzef Yönetim Bilişim Sistemleri Lisans 4. Sınıf Bahar Dönemi Ünite Soruları ve Deneme Sınavları, 2024 Sınav Soruları