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
D
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。
内容
- 0
下面对k-means聚类算法解释正确的是( ) A: 不需要指定簇的个数 B: 不能自动识别簇的个数 C: 对异常点不敏感 D: 聚类结果与中心点的初始化无关
- 1
下列关于k均值聚类算法的说法中错误的是? A: k均值算法采用误差和准则函数,其聚类目标是使准则函数值最小 B: 理论上可以证明,k均值聚类算法是收敛的 C: k均值算法的聚类结果虽然收敛但不确定 D: 聚类结果受设定的聚类数k、初始聚类中心和样本的分布情况影响
- 2
影响K-均值聚类算法的主要因素有( )。 A: 样本输入顺序 B: 聚类准则 C: 类别数的设置 D: 初始聚类中心的选取
- 3
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。 A: 正确 B: 错误
- 4
下列关于k-means聚类说法是错误的是() A: 聚类的簇个数会由模型自动给出 B: 可以使用多组随机的初始中心点进行计算 C: 聚类前应当进行维度分析 D: 聚类前应当进行数据标准化