聚类()是这样的过程:它找出描述并区分数据类或概念的模型(或函数),以便能够使用模型预测类标记未知的对象类。(
)
)
举一反三
- 聚类（clustering）是这样的过程：它找出描述并区分数据类或概念的模型(或函数)，以便能够使用模型预测类标记未知的对象类。
- 聚类（clustering）是这样的过程：它找出描述并区分数据类或概念的模型(或函数)，以便能够使用模型预测类标记未知的对象类。 A: 正确 B: 错误
- 区分和分类有何区别？ A: 将目标类数据对象的一般特性与一个或多个对比类对象的一般特性进行比较 B: 找出描述和区分数据类或概念的模型（或函数），以便能够使用模型预测类标号未知的对象类 C: 目标类数据的一般特性或特征的汇总 D: 数据特征化和比较
- 关于聚类分析，下列说法中正确的是( )。 A: 聚类分析可以看做是种无监督的分类 B: K均值是一种产生划分聚类的基于密度的聚类算法，簇的个数由算法自动地确定 C: 聚类分析中，簇内的相似性越大,簇间的差别越大，聚类的效果就越差 D: 聚类是找出描述并区分数据类或概念的模型(或函数)，以便能够使用模型预测类别，标记未知对象类别的过程
- 数据分类的步骤为：1建立一个聚类模型，描述数据类集或概念集;2使用模型对 将来的或未知的对象进行分类。