以下对k-means聚类算法解释正确的是()A.能自动识别类的个数,随即挑选初始点为中心点计算B.能自动
以下对k-means聚类算法解释正确的是()
A.能自动识别类的个数,随即挑选初始点为中心点计算
B.能自动识别类的个数,不是随即挑选初始点为中心点计算
C.不能自动识别类的个数,随即挑选初始点为中心点计算
D.不能自动识别类的个数,不是随即挑选初始点为中心点计算
以下对k-means聚类算法解释正确的是()
A.能自动识别类的个数,随即挑选初始点为中心点计算
B.能自动识别类的个数,不是随即挑选初始点为中心点计算
C.不能自动识别类的个数,随即挑选初始点为中心点计算
D.不能自动识别类的个数,不是随即挑选初始点为中心点计算
第1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。
第2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。
第3题
A.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
B.kmeans只能处理凸型分布的非数值型样本
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
第4题
A.kmeans算法对于非凸型的聚类不能产生聚类结果。
B.在确定样本集是否可以使用kmeans算法时,可以先对数据集进行可视化观察样本集的大致分布。
C.初始聚类中心的选择会影响kmeans算法的收敛速度。
D.kmeans需要多次迭代,因此对于大的样本集速度求解比较慢。
第5题
A.kmeans算法对于非凸型的聚类不能产生聚类结果。
B.在确定样本集是否可以使用kmeans算法时,可以先对数据集进行可视化观察样本集的大致分布。
C.初始聚类中心的选择会影响kmeans算法的收敛速度。
D.kmeans需要多次迭代,因此对于大的样本集速度求解比较慢。
为了保护您的账号安全,请在“上学吧”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!