更多“K-Means聚类过程中需要不断地重新选择聚类中心和不断地迭代,计算量很大,因此不适合数据量大的情况。()”相关的问题
第1题
完整的数据聚类过程一般包括选定特征,设定聚类准则,选择聚类算法和聚类结果评估。()
点击查看答案
第2题
动态聚类算法是一种通过反复修改聚类结果来进行优化以达到满意的聚类结果的迭代算法。()
点击查看答案
第3题
层次聚类法不需要预先确定分多少类,因此比K-Means聚类法应用更为广泛()
点击查看答案
第4题
层次聚类需要事先确定要分的类别数据()
点击查看答案
第5题
K-Medoids是对K-Means聚类法的优化,因此比K-Means聚类法应用更为广泛。()
点击查看答案
第6题
最大最小距离聚类算法的结果与参数θ及第一个聚类中心的选择没有关系。()
点击查看答案
第7题
模糊k-均值聚类算法的聚类中心应满足使得准则函数取得极值的条件。()
点击查看答案
第8题
聚类需要从没有标签的一组输入向量中寻找数据的模型和规律。()
点击查看答案
第9题
关于聚类的描述正确的是()。
A.聚类是一种非监督式学习
B.聚类是一种监督式学习
C.使用的数据不需要包含类别卷标
D.使用的数据需要包含类别卷标
点击查看答案
第10题
最大最小距离聚类算法比基于最近邻规则的试探法聚类算法在聚类中心的确定上有更强的适应能力。()
点击查看答案