K-means 算法的缺点不包括()
K-means 算法的缺点不包括()
A K 必须是事先给定的
B 选择初始聚类中心
C 对于“噪声”和孤立点数据是敏感的
D 可伸缩、高效
K-means 算法的缺点不包括()
A K 必须是事先给定的
B 选择初始聚类中心
C 对于“噪声”和孤立点数据是敏感的
D 可伸缩、高效
第1题
A.Kmeans算法有效的前提假设是数据满足高斯分布
B.Kmeans需要手工指定类别的数目k
C.对于多维实数数据,Kmeans算法最终一定是收敛的
D.Kmeans算法可以直接得到类别分布的层级关系
第2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3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6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9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
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!