下列关于k均值聚类说法不正确的是()
A: 初始聚类即使中心位置不同，也会导致最终相同的数据划分
B: 往往采用不同的k值来进行聚类
C: 也是一种优化算法，可以找到最优的k值
D: 对算法进行修改，可允许其自动对聚类类群数目进行修改
A: 初始聚类即使中心位置不同，也会导致最终相同的数据划分
B: 往往采用不同的k值来进行聚类
C: 也是一种优化算法，可以找到最优的k值
D: 对算法进行修改，可允许其自动对聚类类群数目进行修改
举一反三
- 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
- 关于K-means聚类算法说法正确的是（） A: 对大数据集有较高的效率并且具有可伸缩性。 B: 是一种无监督学习方法。 C: k值无法自动获取，初始聚类中心随机选择。 D: 初始聚类中心的选择对聚类结果影响不大。
- 下列关于聚类的质量评价说法正确的是（）。 A: 簇的数目k取值可以通过数据集分布的形状和尺度，以及用户要求的聚类分辨率来进行估计。 B: 聚类精度方法中J(C) 值越大，其聚类C相对于基准T的聚类质量就越高。 C: CH指标可以用来评价两个算法所得聚类哪个更好(簇都等于k)，以及评价同一算法所得两个簇数不同的聚类哪个更好。 D: 簇的数目k对聚类结果影响不大，可以任意选择。
- 以下哪种算法会受到局部最优的聚焦问题的影响？ A: K均值聚类算法 B: 层次聚类算法 C: 期望-最大化聚类算法 D: 多样聚类算法
- 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。