关于k均值聚类算法下列说法错误的是()
A: 根据样本到聚类中心点的距离决定样本所在的簇
B: 簇的个数算法不能自动确定
C: 初始假设聚类中心点不同可能导致不同的聚类结果
D: 初始假设聚类中心点必须设置在真实中心点附近
A: 根据样本到聚类中心点的距离决定样本所在的簇
B: 簇的个数算法不能自动确定
C: 初始假设聚类中心点不同可能导致不同的聚类结果
D: 初始假设聚类中心点必须设置在真实中心点附近
举一反三
- 有关聚类分析，下列说法错误的是哪个？ A: 在聚类分析中，簇之间的相似性越小，簇内样本的差别越小，聚类的效果就越好。 B: 聚类分析是一种非监督的过程。 C: K均值算法是一种常用的聚类算法，簇的个数算法不能自动确定。 D: K均值算法的计算耗时与初始假设聚类中心的位置无关。
- K-Means算法需要指定初始的中心点，但是聚类个数由算法自动决定。（ ）
- 给定聚类个数k，关于K-均值聚类算法下述哪一种说法是正确的？ A: 任意选定距离度量，聚类结果相同 B: 选择不同距离度量，聚类结果一定不同 C: 选择不同距离度量，聚类结果可能相同，也可能不同，由样本点决定 D: 算法有可能输出的类别数小于k
- 在K均值聚类中，设置的初始类中心不同，不会影响最终的聚类结果。
- K-中心点算法是一种基于划分的聚类算法，选用簇中最中心的对象作为簇的代表对象。