关于K-means算法的表述不正确的是() 。

A.算法开始时，k-means算法需要指定质心

B.k-means算法的效果不受初始质心选择的影响

C.k-means算法需要计算样本与质心间的距离

D.k-means属于无监督学习

A.对初始点位置敏感，但不会影响聚类的效果

B.K-Means聚类是基于原型的、划分的聚类技术

C.K-Means聚类算法简单，快速

D.K-Means聚类不受异常值的影响

A.KNN算法采用最大表决规则

B.KNN算法假设k邻域的样本点对学习模型的贡献度是均等的

C.KNN算法通过学习得到决策函数

D.KNN算法与K-means都属于监督学习

A.聚类算法无需事先指定聚类的数目，而是根据训练数据迭代得到

B.无监督学习中不需要人工标注知识

C.K-means算法与K近邻算法中最初选择的K个点会影响最终结果

D.有效的距离计算方法能够提高K-means算法的精确度

A.算法可能终止于局部最优解

B.簇的数目k必须事先给定

C.对噪声和离群点数据敏感

D.适合发现非凸形状的簇

A.聚类算法无需事先指定聚类的数目，而是根据训练数据迭代得到

B.有效的距离计算方法能够提高K-means算法的精确度

C.无监督学习中不需要人工标注知识

D.K-means算法与K近邻算法中最初选择的K个点会影响最终结果

A.算法可能终止于局部最优解

B.簇的数目k必须事先给定

C.对噪声和离群点数据敏感

D.适合发现非凸形状的簇

A.算法可能终止于局部最优解

B.簇的数目k必须事先给定

C.对噪声和离群点数据敏感

D.适合发现非凸形状的簇

A.人工神经网络既可以设计监督学习算法也可以设计非监督学习算法

B.机器学习算法就是指各种人工神经网络算法

C.K-means算法用于聚类，属于非监督学习范畴

D.支持向量机算法属于线性分类算法，属于监督学习范畴

A.聚类算法中最终的类别之间可能有少量样本的交叉

B.K-means算法中可以随机划分样本为K堆，以K堆的平均重心作为初始的K个点

C.自动编码器包含“编码”和“解码”两部分

D.自动编码器可以用于图像抗噪和数据降维