| 271 |
Con quali tecniche si gestiscono i missing value? |
1) Data cleaning
2) Data Transformation
3) Data Reduction
4) Nessuna delle altre alternative
|
1 |
|
| 296 |
Con riferimento agli algoritmi di clustering, quali delle seguenti affermazioni è falsa? |
1) Non ci sono classi predefinite, l'apprendimento del modello non avviene utilizzando esempi etichettati
2) È sempre noto a priori il numero di cluster da cercare
3) Gli algoritmi di clustering aspirano a trovare gruppi nei dati in modo tale che la somiglianza dei dati all'interno dello stesso gruppo sia alta e sia bassa per punti
appartenenti a gruppi diversi.
4) Gli algoritmi di clustering possono essere utilizzati per la compressione dei dati
|
2 |
|
| 327 |
Con riferimento all'algoritmo FP-growth, quante scansioni del database vengono effettuate per la generazione dell'FP-tree? |
1) Due
2) Una sola
3) Tante quanti sono gli item frequenti
4) Non serve scansionare il database
|
1 |
|
| 329 |
Con riferimento all'algoritmo FP-growth, cosa viene fatto durante la seconda scansione nella fase di generazione dell'FP-tree? |
1) 1), Si identificano tutti gli itemset frequenti dal database, 2) Si crea una lista L degli itemset frequenti ordinati secondo il loro supporto o frequenza
2) Si crea effettivamente l'albero
3) 1), Si identificano tutti gli 1-temset frequenti dal database, 2) Si crea una lista L degli 1-itemset frequenti ordinati secondo il loro supporto o frequenza
4) 1), Si identificano tutti gli itemset frequenti dal database, 2) Si crea una lista L degli itemset frequenti ordinati secondo la loro confidenza
|
3 |
|
| 330 |
Con riferimento all'algoritmo FP-growth, cosa viene fatto nei primi due passi della generazione dell'FP-tree? |
1) 1), Si identificano tutti gli 1-temset frequenti dal database, 2) Si crea una lista L degli 1-itemset frequenti ordinati secondo il loro supporto o frequenza
2) 1), Si identificano tutti gli itemset frequenti dal database, 2) Si crea una lista L degli itemset frequenti ordinati secondo la loro confidenza
3) 1), Si identificano tutti gli itemset frequenti dal database, 2) Si crea una lista L degli itemset frequenti ordinati secondo il loro supporto o frequenza
4) 1), Si identificano tutti gli 1-temset frequenti dal database, 2) Si crea una lista L degli 1-itemset frequenti ordinati secondo la loro confidenza
|
3 |
|
| 332 |
Con riferimento all'algoritmo FP-growth, che filosofia si utilizza per la generazione degli itemset frequenti? |
1) Si segue un approccio top-down: si parte ad esplorare l'albero dei pattern frequenti a partire dalla radice verso le foglie
2) Nessuna delle altre alternative
3) Si segue un approccio bottom-up: si parte ad esplorare l'albero dei pattern frequenti a partire dalle foglie verso la radice
4) Si segue un approccio random: si parte ad esplorare l'albero dei pattern frequenti a caso
|
3 |
|
| 345 |
Con riferimento agli alberi di decisione, che filosofia si utilizza per la generazione della classe stimata? |
1) Si segue un approccio bottom-up: si parte ad esplorare l'albero a partire dalle foglie verso la radice
2) Nessuna delle altre alternative
3) Si segue un approccio random: si parte ad esplorare l'albero a caso
4) Si segue un approccio top-down: si parte ad esplorare l'albero dalla radice verso le foglie
|
4 |
|
| 349 |
Con che tipo di attributi lavora il classificatore ID3? |
1) Nominali
2) Numerici
3) Stringhe
4) Nessuna delle altre alternative
|
1 |
|
| 366 |
Con riferimento ai classificatori basati su regole, cosa è la copertura di una regola? |
1) Frazione delle istanze nel database che soddisfano antecedente e conseguente rispetto alla copertura
2) Nessuna delle altre alternative
3) Frazione delle istanze che hanno portato alla generazione della regola
4) Frazione delle istanze nel database che soddisfano l'antecedente
|
4 |
|
| 367 |
Con riferimento ai classificatori basati su regole, cosa è l'accuratezza di una regola? |
1) Frazione delle istanze nel database che soddisfano antecedente e conseguente rispetto alla copertura
2) Frazione delle istanze che hanno portato alla generazione della regola
3) Nessuna delle altre alternative
4) Frazione delle istanze nel database che soddisfano l'antecedente
|
1 |
|
| 368 |
Con riferimento ai classificatori basati su regole, cosa sono le regole mutuamente esclusive? |
1) Un insieme di regole R è detto mutuamente esclusivo se esiste una regola per ogni combinazione di valori degli attributi
2) Un insieme di regole R è detto mutuamente esclusivo se nessuna coppia di regole può essere attivata da più di due istanze
3) Un insieme di regole R è detto mutuamente esclusivo se nessuna coppia di regole può essere attivata dalla stessa istanza
4) Nessuna delle altre alternative
|
3 |
|
| 369 |
Con riferimento ai classificatori basati su regole, cosa sono le regole esaustive? |
1) Nessuna delle altre alternative
2) Un insieme di regole R ha una copertura esaustiva se nessuna coppia di regole può essere attivata dalla stessa istanza
3) Un insieme di regole R ha una copertura esaustiva se nessuna coppia di regole può essere attivata da più di due istanze
4) Un insieme di regole R ha una copertura esaustiva se esiste una regola per ogni combinazione di valori degli attributi
|
4 |
|