K均值（K-means）算法，不能聚类以下（）类型的样本？

A.kmeans只能处理凸型分布的非数值型样本。

B.kmeans算法需要在聚类前确定类数k，这个k值需要有助于解释各类的业务含义。

C.kmeans聚类的过程与初始的k个假设的聚类中心的选择没关。

D.kmeans算法对异常样本非常敏感，因此在聚类前要把异常样本直接删除。

A.给定错误聚类个数

B.数据有各向异性分布

C.不同簇的方差相差较大

D.簇的大小分布不均衡

A.. t分布

B.正态分布

C.F分布

D.卡方分布

A.. t分布

B.正态分布

C.F分布

D.卡方分布

A.t分布

B.正态分布

C..F分布

D.卡方分布

A.当n充分大时，样本均值的分布近似服从正态分布

B.只有当n＜30时，样本均值的分布近似服从正态分布

C.样本均值的分布与n无关

D.无论n多大，样本均值的分布都是非正态分布

A.K均值聚类一定能达到很好的聚类结果

B.K均值聚类的迭代次数越多，算法结果越稳定

C.当样本量较大时，可以利用K均值聚类方法

D.随机起点的设置不同，K均值聚类的结果一定相同

A.当n充分大时，样本均值X的分布近似服从正态分布

B.只有当，n<30时，样本均值又的分布近似服从正态分布

C.样本均值的分布与n无关

D.无论n多大，样本均值X的分布都为非正态分布

A.总体分布单峰、对称

B.总体的均值、方差已知

C.总体分布不限，大样本

D.总体分布正态，样本方差已知

A.抽样分布的标准差为4小时

B.抽样分布近似等同于总体分布

C.抽样分布的中位数为60小时

D.抽样分布近似等同于正态分布，均值为60小时