Lista delle Domande

Filtra per: Quale Quale fra i Quale fra le Quale metrica Quale misura Quale è Quale è il Quale è la Quali delle Quali fra i Quali fra le Quali sono i Quali sono le Quando si Quando una Quando è Quante uscite Reset filtro
42 / 152 domande visibili
ID Domanda Risposte Risposta Esatta Azioni
249 Quale fra le seguenti attività non fa parte del processo di KDD?
  • 1)
    Nessuna delle altre alternative
  • 2)
    Data Mining
  • 3)
    Selezione
  • 4)
    Interpretazione
 1
254 Quali sono i pilastri operativi su cui si basa ogni algoritmo di data mining?
  • 1)
    Esplorazione, Valutazione, Visualizzazione
  • 2)
    Esplorazione, Modellazione, Valutazione
  • 3)
    Nessuna delle altre alternative
  • 4)
    Selezione, Modellazione, Valutazione
 1
259 Quale è il dominio degli attributi categorici?
  • 1)
    Intero
  • 2)
    Nessuna delle altre alternative
  • 3)
    Reale
  • 4)
    Razionale
 1
265 Quali fra i seguenti passaggi non fanno parte della pre-elaborazione dei dati?
  • 1)
    Riduzione dei dati
  • 2)
    Pulizia dei dati
  • 3)
    Integrazione dei dati
  • 4)
    Nessuna delle altre alternative
 4
266 Quali fra i seguenti passaggi non fanno parte della pre-elaborazione dei dati?
  • 1)
    Riduzione dei dati
  • 2)
    Gestione dei dati
  • 3)
    Trasformazione dei dati
  • 4)
    Pulizia dei dati
 2
268 Quali fra le seguenti tecniche non si usano in fase di gestione dei missing value?
  • 1)
    Riempimento a mano dei valori mancanti
  • 2)
    Ignorare la tupla contenente valori mancanti
  • 3)
    Nessuna delle altre alternative
  • 4)
    Sostituzione dei valori mancanti con il valore più probabile
 3
272 Quali sono i passi da effettuare nel processo di data integration?
  • 1)
    Nessuna delle altre alternative
  • 2)
    Identificazione delle identità, Identificazione e risoluzione dei conflitti nei dati, identificazione delle ridondanze
  • 3)
    Identificazione delle entità, identificazione dei conflitti nei dati, identificazione delle ridondanze
  • 4)
    Identificazione delle entità, Identificazione e risoluzione dei conflitti nei dati, identificazione delle ridondanze
 4
273 Quale è l'obiettivo principale della fase di data integration?
  • 1)
    Nessuna delle altre alternative
  • 2)
    Ridurre la quantità di dati da integrare
  • 3)
    Ripulire i dati dal rumore
  • 4)
    Ottenere una memorizzazione coerente per i dati derivanti da sorgenti multiple di memorizzazione
 4
282 Quali sono le condizioni che deve soddisfare una misura di similarità fra due punti?
  • 1)
    Nessuna delle altre alternative
  • 2)
    Riflessività, derivabilità, simmetria
  • 3)
    Simmetria; Massimo valore in 1 quando i due punti coincidono
  • 4)
    Riflessività, non negatività, simmetria
 4
283 Quali sono le condizioni che deve soddisfare una misura di distanza fra due punti?
  • 1)
    Riflessività, derivabilità, simmetria
  • 2)
    Riflessività, omogeneità, simmetria
  • 3)
    Riflessività, non negatività, simmetria
  • 4)
    Nessuna delle altre alternative
 3
284 Quando una distanza si definisce metrica?
  • 1)
    Nessuna delle altre alternative
  • 2)
    Quando rispetta anche la condizione di simmetria
  • 3)
    Quando rispetta anche la condizione di diseguaglianza triangolare
  • 4)
    Quando rispetta anche la condizione di derivabilità
 3
287 Quali sono le proprietà della distanza Minkowski?
  • 1)
    Definita negativa, simmetrica e gode di diseguaglianza triangolare
  • 2)
    Definita positiva, simmetrica e gode di diseguaglianza triangolare
  • 3)
    Nessuna delle altre alternative
  • 4)
    Definita positiva, asimmetrica e gode di diseguaglianza triangolare
 2
290 Quando una variabile binaria si dice simmetrica?
  • 1)
    Se la probabilità che ciascuno dei suoi stati categorici si verifichi è uguale e tutti gli stati assumono lo stesso peso
  • 2)
    Se la probabilità che ciascuno dei suoi stati si verifichi (che assuma valore zero o uno) è uguale ed entrambi gli stati assumono lo stesso peso
  • 3)
    Nessuna delle altre alternative
  • 4)
    Se la probabilità che ciascuno dei suoi stati continui si verifichi è uguale e tutti gli stati assumono lo stesso peso
 2
299 Quale tipologia di algoritmi di clustering è più efficiente per l'identificazione di outlier?
  • 1)
    Partizionali
  • 2)
    Nessuna delle altre alternative
  • 3)
    Density-based
  • 4)
    Gerarchici
 3
302 Quale fra i seguenti criteri non rappresenta un criterio di convergenza dell'algoritmo di clustering k-means?
  • 1)
    Riduzione eccessiva delle partizioni iniziali
  • 2)
    Nessun cambiamento della matrice binaria U
  • 3)
    Differenza non significativa fra i valori assunti della funzione obiettivo in due iterazioni successive
  • 4)
    Nessuna delle altre alternative
 1
303 Quali sono i punti di forza dell'algoritmo di clustering K-means?
  • 1)
    1) Efficienza, in quanto identifica automaticamente il numero di cluster, 2) Termina in un ottimo locale
  • 2)
    1) Efficienza, in quanto identifica automaticamente il numero di cluster, 2) Termina in un ottimo globale
  • 3)
    1) Efficienza, in quanto è lineare rispetto al numero di oggetti, 2) Termina in un ottimo locale
  • 4)
    1) Efficienza, in quanto è lineare rispetto al numero di oggetti, 2) Termina in un ottimo globale
 3
304 Quali sono i principali parametri che occorre fissare per effettuare il clustering tramite l'algoritmo K-means?
  • 1)
    Il numero K di cluster e il criterio di stop
  • 2)
    Il numero K di punti del dataset da scartare ed il criterio di stop
  • 3)
    Il numero K di iterazioni ed il criterio di stop
  • 4)
    Il numero K di punti del dataset da utilizzare ed il criterio di stop
 1
309 Quali sono i principali parametri che occorre fissare per effettuare il clustering tramite l'algoritmo DBSCAN?
  • 1)
    Il numero Epsilon di cluster e il criterio di stop
  • 2)
    Il numero Epsilon di punti del dataset da utilizzare ed il criterio di stop
  • 3)
    Nessuna delle altre alternative
  • 4)
    Il numero Epsilon di iterazioni ed il criterio di stop
 3
311 Quando si parla di algoritmo di clustering DBSCAN, cosa sono i core point?
  • 1)
    Sono i punti la cui densità (numero di punti) è inferiore a MinPts
  • 2)
    Sono i punti che si trovano ad una distanza superiore di EPS dal centroide del cluster
  • 3)
    Sono i punti la cui densità (numero di punti) è superiore a MinPts
  • 4)
    Sono i punti che si trovano ad una distanza inferiore di EPS dal centroide del cluster
 3
315 Quando una regola associativa si definisce forte?
  • 1)
    Si definisce forte, una regola associativa che soddisfa un supporto minimo prefissato ed una confidenza minima prefissata
  • 2)
    Nessuna delle altre alternative
  • 3)
    Si definisce forte, una regola associativa che soddisfa un supporto massimo prefissato ed una confidenza minima prefissata
  • 4)
    Si definisce forte, una regola associativa che soddisfa un supporto minimo prefissato ed una confidenza massima prefissata
 1
321 Quale è l'idea di base dell'algoritmo APRIORI?
  • 1)
    L'algoritmo Apriori affronta la fase di generazione degli itemset frequenti per approssimazioni successive, a partire dagli itemset con un solo elemento
  • 2)
    L'algoritmo Apriori affronta la fase di generazione degli itemset frequenti per approssimazioni ricorsive, a partire dagli itemset con un solo elemento
  • 3)
    L'algoritmo Apriori affronta la fase di generazione degli itemset frequenti per approssimazioni ricorsive, a partire dagli itemset con il numero massimo di elementi
  • 4)
    L'algoritmo Apriori affronta la fase di generazione degli itemset frequenti per approssimazioni successive, a partire dagli itemset con il numero massimo di elementi
 1
324 Quali sono i parametri più importanti da fissare per l'algoritmo APRIORI?
  • 1)
    Valore del supporto minimo, valore della confidenza minima
  • 2)
    Valore del supporto minimo, valore della confidenza massima
  • 3)
    Valore del supporto massimo valore della confidenza massima
  • 4)
    Valore del supporto massimo valore della confidenza minima
 1
333 Quale potrebbe essere uno svantaggio dell'algoritmo FP-growth?
  • 1)
    Nessuna delle altre alternative
  • 2)
    È più lento di APRIORI
  • 3)
    Bisogna generare itemset frequenti candidati
  • 4)
    L'FP-tree potrebbe essere computazionalmente difficile da generare
 4
334 Quale potrebbe essere uno svantaggio dell'algoritmo FP-growth?
  • 1)
    Nessuna delle altre alternative
  • 2)
    È più lento di APRIORI
  • 3)
    L'FP-tree potrebbe non entrare in memoria
  • 4)
    Bisogna generare itemset frequenti candidati
 3
351 Quale fra le seguenti condizioni di terminazione della ricorsione dell'algoritmo ID3 non è corretta?
  • 1)
    Gli attributi sono vuoti
  • 2)
    Nessuna delle altre alternative
  • 3)
    I campioni sono tutti della stessa classe
  • 4)
    Non ci sono più campioni nello specifico nodo
 2
356 Quale misura di rilevanza è stata introdotta in una versione migliorata dell'algoritmo C45?
  • 1)
    L'indice di Gini
  • 2)
    Il gain ratio
  • 3)
    L'information gain
  • 4)
    La distanza coseno
 2
358 Quale è l'assunzione su cui si basano i classificatori Naive Bayes?
  • 1)
    L'indipendenza fra gli attributi che descrivono un oggetto quando la classe è nota
  • 2)
    La correlazione fra gli attributi che descrivono un oggetto quando la classe non è nota
  • 3)
    L'indipendenza fra gli attributi che descrivono un oggetto quando la classe non è nota
  • 4)
    La correlazione fra gli attributi che descrivono un oggetto quando la classe è nota
 1
361 Quando si usano i classificatori lazy che tipo di apprendimento si usa per la costruzione del modello?
  • 1)
    Semi supervisionato
  • 2)
    Non supervisionato
  • 3)
    Supervisionato
  • 4)
    Nessuna delle altre alternative
 4
362 Quali fra i seguenti elementi non deve mai mancare quando si utilizza un classificatore KNN?
  • 1)
    La metrica scelta per il calcolo della distanza
  • 2)
    Tutti e tre gli elementi specifici nelle altre alternative
  • 3)
    Il training set
  • 4)
    Il numero K di vicini
 2
377 Quali sono i parametri caratteristici di una rete neurale artificiale?
  • 1)
    L'insieme dei neuroni, l'insieme dei pesi associati ai collegamenti, l'insieme delle soglie o dei livelli di attivazione
  • 2)
    Nessuna delle altre alternative
  • 3)
    L'insieme dei neuroni, l'insieme dei pesi associati ai neuroni, l'insieme delle soglie o dei livelli di attivazione
  • 4)
    L'insieme dei neuroni, l'insieme dei pesi associati ai neuroni, l'insieme delle uscite
 1
379 Quale fra le seguenti caratteristiche non è tipica di una rete neurale feedforward?
  • 1)
    Presenza di pesi sulle connessioni
  • 2)
    Ogni unità è collegata solo a quella dello strato successivo
  • 3)
    Presenza di funzioni soglia
  • 4)
    Presenza di feedback
 4
380 Quale fra le seguenti caratteristiche non è tipica di una rete neurale feedforward?
  • 1)
    Presenza di pesi sulle connessioni
  • 2)
    Ogni unità è collegata solo a quella dello strato successivo
  • 3)
    Presenza di funzioni soglia
  • 4)
    Presenza di stato interno
 4
381 Quante uscite in genere si usano nelle reti neurali feedforward quando si vuole risolvere un problema di classificazione con C classi?
  • 1)
    Dipende dal numero di campioni disponibili per ciascuna classe
  • 2)
    C
  • 3)
    Dipende dal numero di istanze del training set
  • 4)
    Due
 2
384 Quale è la formula per la Recall, utilizzata come metrica per valutare la bontà di un classificatore binario?
  • 1)
    R = TP/(TP+FN)
  • 2)
    R = FP/(FP+TN)
  • 3)
    Nessuna delle altre alternative
  • 4)
    R = TP/(TP+FP)
 1
385 Quale metrica è più consigliata quando si vuole confrontare la bontà di due o più modelli per la classificazione binaria?
  • 1)
    AUC
  • 2)
    Recall
  • 3)
    Accuratezza
  • 4)
    Precisione
 1
386 Quale è l'area associata alla curva ROC di un classificatore random?
  • 1)
    1
  • 2)
    Nessuna delle altre alternative
  • 3)
    0,75
  • 4)
    0
 2
388 Quando è sconsigliato utilizzare l'accuratezza come metrica per valutare la bontà di un classificatore?
  • 1)
    Quando si ha un problema multiclasse e tutte le classi sono di interesse
  • 2)
    Se le classi sono sbilanciate
  • 3)
    Nessuna delle altre alternative
  • 4)
    Quando si ha un problema binario, le due classi sono bilanciate e interessanti
 2
389 Quale strumento può essere utilizzato per valutare la bontà di un classificatore binario?
  • 1)
    Matrice di confusione
  • 2)
    Nessuna delle altre alternative
  • 3)
    Matrice di correlazione
  • 4)
    Matrice di Covarianza
 1
390 Quale è la formula per la Precisione, utilizzata come metrica per valutare la bontà di un classificatore binario?
  • 1)
    P = TP/(TP+FN)
  • 2)
    P = FP/(FP+TN)
  • 3)
    P = TP/(TP+FP)
  • 4)
    Nessuna delle altre alternative
 3
1382 Quali fra le seguenti sono tecniche parametriche per la riduzione della numerosità?
  • 1)
    KNN
  • 2)
    Alberi di decisione
  • 3)
    Classificatori bayesiani
  • 4)
    Regressione lineare e modelli log-lineari
 4
1386 Quale fra le seguenti non è una tecnica non parametrica per la riduzione della numerosità?
  • 1)
    Campionamento
  • 2)
    Regressione lineare e modelli log-lineari
  • 3)
    Istogrammi
  • 4)
    Clustering
 2
1387 Quali delle seguenti tecniche di classficazione possono essere usate anche per la selezione degli attributi?
  • 1)
    Reti neuronali feed forward
  • 2)
    Classificatori bayesiani
  • 3)
    Alberi di decisione
  • 4)
    KNN
 3