聚类分析将对象分成不同的簇，使得簇内对象彼此相似，簇间对象彼此相异
正确
举一反三
- 聚类是一个把数据对象集划分成多个()或()的过程,使得簇内的对象具有较高的(),但与其他簇中的对象很不相似
- 聚类分析是在没有给定划分类别的情况下，将数据分类到不同的类或者簇的一个过程，所以同一个簇中的对象有很大的相似性，而不同簇间的对象有很大的相异性。
- 数据挖掘方法中的聚类分析也被称为无制导学习。一个好的聚类分析算法应该使得所得到的______。 A: 聚簇问的相似性很高，而不同的聚簇内的相似性很低 B: 聚簇内的相似性很低，而不同的聚簇间的相似性很高 C: 聚簇间的相似性很低，而不同的聚簇内的相似性很低 D: 聚簇内的相似性很高，而不同的聚簇间的相似性很低
- 簇内相似度高且簇间相似度低的聚类结果比较好
- 对于基于原型的聚类，评估对象属于簇的程度主要有两种方法：一是度量对象到簇原型的距离，二是考虑到簇具有不同的密度，可以度量簇到原型的相对距离。（ ）
内容
- 0
K均值算法对孤立点的敏感性，k中心算法不采用簇中对象的平均值作为簇中心。而选用簇中离平均值最近的对象作为簇中心。
- 1
我们总是希望聚类结果的“簇内相似度”高，并且“簇间相似度”低。
- 2
在聚类分析当中,簇内的相似性越大,簇间的差别越大,聚类的效果就越差。
- 3
构成一个簇必须满足:簇的区域能彼此邻接且无空隙的覆盖整个面积;相邻簇间同频小区的距离相等且为最小
- 4
2个簇的簇间距离越大越好，簇内距离越小越好。