题目
A.样本输入顺序
B.聚类准则
C.类别数的设置
D.初始聚类中心的选取
第2题
A.k均值算法采用误差和准则函数,其聚类目标是使准则函数值最小
B.理论上可以证明,k均值聚类算法是收敛的
C.k均值算法的聚类结果虽然收敛但不确定
D.初始聚类中心和样本的分布情况影响
第3题
A.k均值算法采用误差和准则函数,其聚类目标是使准则函数值最小
B.理论上可以证明,k均值聚类算法是收敛的
C.k均值算法的聚类结果虽然收敛但不确定
D.初始聚类中心和样本的分布情况影响
第6题
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
第8题
A.在聚类分析中,簇之间的相似性越小,簇内样本的差别越小,聚类的效果就越好。
B.聚类分析是一种非监督的过程。
C.K均值算法是一种常用的聚类算法,簇的个数算法不能自动确定。
D.K均值算法的计算耗时与初始假设聚类中心的位置无关。
第9题
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。
为了保护您的账号安全,请在“赏学吧”公众号进行验证,点击“官网服务”-“账号验证”后输入验证码“”完成验证,验证成功后方可继续查看答案!