2025年聚类算法性能评估习题(含答案与解析).docxVIP

2025年聚类算法性能评估习题(含答案与解析)

一、单项选择题（每题3分，共15分）

1.以下关于聚类算法性能评估指标的描述中，错误的是（）。

A.轮廓系数（SilhouetteCoefficient）取值范围为[-1,1]，值越大表示聚类效果越好

B.Calinski-Harabasz指数（CH指数）通过类间离散度与类内离散度的比值衡量聚类质量，值越小越好

C.Davies-Bouldin指数（DB指数）计算各簇与其最相似簇的相似度平均值，值越小表示聚类效果越好

D.对于有标签的数据集，调整兰德指数（ARI）可以衡量聚类结果与真实标签的一致性

2.针对高维稀疏数据（如文本数据），以下最不适合作为聚类评估指标的是（）。

A.轮廓系数（基于欧氏距离）

B.归一化互信息（NMI）

C.均方轮廓宽度

D.调整兰德指数（ARI）

3.某聚类任务中，使用K-means算法得到3个簇，计算其轮廓系数时，某样本点i的a(i)=0.4（簇内平均距离），b(i)=0.6（最近簇平均距离），则该点的轮廓系数s(i)为（）。

A.0.33

B.0.25

C.0.5

D.0.17

4.以下场景中，适合使用外部评估指标的是（）。

A.探索未知用户行为模式的聚类任务（无真实标签）

B.验证聚类结果与已