Cho các điểm A(1, 1), B(2, 1), C(4, 3), D(5, 4), E(1, 0). Sử dụng thuật toán phân cụm k-mean để chia 5 điểm vào 2 cụm. Kết quả phân cụm là:

A. Độ đo không tương tự

B. Độ đo tương tự

C. Độ đo giữa 2 đối tượng cùng loại

D. Độ đo giữa 2 đối tượng khác loại

A. Độ đo tương tự và độ đo không tương tự

B. Độ đo khoảng cách và độ đo tình cảm

C. Độ đo Ơclit và độ đo phi Ơclit

D. Độ đo tương tự và độ đo khoảng cách trong không gian 2 chiều

A. Humidity = High

B. Wind = Weak

C. Outlook = Sunny

D. Humidity = Normal

A. If Humidity = High Then Play Ball = No và If Outlook = Rain Then Play Ball = No

B. If Humidity = High Then Play Ball = No

C. If Humidity = Normal Then Play Ball = No và If Outlook = Rain Then Play Ball = No

D. If Outlook = Sunny Then Play Ball = No và If Wind = Strong Then Play Ball = No

A. If Outlook = Overcast Then Play Ball = No và If Outlook = Sunny and Temperature = Cold Then Play Ball = Yes

B. If Humidity = Normal Then Play Ball = Yes

C. If Humidity = Weak Then Play Ball = Yes và If Outlook = Overcast Then Play Ball = Yes

D. If Outlook = Sunny Then Play Ball = Yes và If Wind = Strong Then Play Ball = Yes

A. Đây là một độ đo chỉ ra mức độ tương tự hay không tương tự giữa hai vector đặc trưng

B. Độ đo giữa 2 phần tử bất kỳ

C. Khoảng cách giữa 2 phần tử trong không gian

D. Độ đo sử dụng trong Data Mining để phân cụm dữ liệu

A. d = sqr(sqrt(x1 - x2) + sqrt(y1 - y2)), trong đó sqr là hàm bình phương, sqrt là hàm lấy căn.

B. d = sqr(sqrt(x1 + x2) + sqrt(y1 + y2)), trong đó sqr là hàm bình phương, sqrt là hàm lấy căn.

C. d = x1 * x2 + y1 * y2

D. Công thức khác