DBSCAN算法的缺点包括?
A: 当簇的密度变化太大时,不能很好的处理
B: 对于高维问题,密度定义是个比较麻烦的问题
C: 易受到噪声和异常值的影响
D: 对输入参数敏感
A: 当簇的密度变化太大时,不能很好的处理
B: 对于高维问题,密度定义是个比较麻烦的问题
C: 易受到噪声和异常值的影响
D: 对输入参数敏感
A,B,D
举一反三
- DBSCAN算法的缺点包括?( ) A: 易受到噪声和异常值的影响 B: 当簇的密度变化太大时,不能很好的处理 C: 对输入参数敏感 D: 对于高维问题,密度定义是个比较麻烦的问题
- DBSCAN算法的缺点包括?( ) A: 易受到噪声和异常值的影响 B: 当簇的密度变化太大时,不能很好的处理 C: 对输入参数敏感 D: 对于高维问题,密度定义是个比较麻烦的问题
- 下列哪个选项不是DBSCAN算法的缺点?( )。 A: 对用户定义的密度参数是敏感的 B: 不能很好反映高维数据 C: 如果样本集的密度不均匀、簇间距离相差很大时,聚类质量较差 D: 能够识别出噪声点
- 下列哪个选项不是DBSCAN算法的缺点? A: 能够识别出噪声点 B: 不能很好反映高维数据 C: 对用户定义的密度(ε,MinPts)参数是敏感的 D: 如果样本集的密度不均匀、簇间距离相差很大时,聚类质量较差
- 下列哪个选项不是DBSCAN算法的缺点? A: 能够识别出噪声点 B: 不能很好反映高维数据 C: 对用户定义的密度(ε,MinPts)参数是敏感的 D: 如果样本集的密度不均匀、簇间距离相差很大时,聚类质量较差
内容
- 0
DBSCAN算法的优点有( ) A: 不需要事先知道要形成的簇类的数量; B: 当簇的密度变化过大时,对数据集中的簇敏感; C: 能够处理任意形状和大小的簇; D: 处理高维数据时开销低
- 1
关于聚类算法K-means和DBSCAN的叙述中,不正确的是( )。 A: 当簇的密度变化较大时,DBSCAN不能很好地处理,而K-means可以 B: K-means和DBSCAN的聚类结果与输入参数有很大的关系 C: K-means很难处理非球形的簇和不同大小的簇,而DBSCAN可以 D: K-means基于距离的概念,而DBSCAN基于密度的概念进行聚类分析
- 2
关于聚类算法K-Means和DBSCAN的叙述中,不正确的是() A: K-Means和DBSCAN的聚类结果与输入参数有很大的关系 B: K-Means基于距离的概念而DBSCAN基于密度的概念进行聚类分析 C: K-Means很难处理非球形的簇和不同大小的簇,DBSCAN可以处理不同大小和不同形状的簇 D: 当簇的密度变化较大时,DBSCAN不能很好的处理,而K-Means则可以
- 3
关于聚类分析算法,下列说法正确的是 A: DBSCAN算法能够更好的处理噪声数据的聚类 B: DBSCAN只能发现类圆形的簇 C: 与K-Means算法相比,K-中心点算法对噪声数据更加敏感 D: K-Means算法对噪声数据并不敏感
- 4
关于K均值和DBSCAN的比较,以下说法不正确的是( )。 A: DBSCAN使用基于密度的概念 B: K均值使用簇的基于层次的概念 C: K均值很难处理非球形的簇和不同大小的簇 D: DBSCAN可以处理不同大小和不同形状的簇。