K-Means算法是一个经典的聚类算法,它接受输入参数k,然后将n个数据对象划分为k个聚类,使所获得的聚类满足以下两个条件, 使同一个簇中的样本相似度较高,而不同簇间的样本相似度较低。(
)
)
举一反三
- K-means的算法输出:聚类个数k, 以及包含n个数据对象的数据库。
- 关于聚类分析的说法,不正确的是_________。 A: 聚类是无监督学习方法 B: 聚类可作为分类等其他任务的预处理过程 C: 聚类分析目标是使同一个簇中的样本相似度较高,而不同簇间的样本相似度较低 D: “簇”越多说明聚类效果越好
- K-means算法的实现过程是()。①计算剩下的元素到k个簇中心的相异度。②将数据集合中全部元素按照新的中心重新聚类。③从数据集合中随机取k个元素,作为k个簇的各自的中心。④根据聚类结果,重新计算k个簇各自的中心。⑤重复前面两步,直到聚类结果不再变化。 A: ①②③④⑤ B: ③①②④⑤ C: ③①④②⑤ D: ②①③④⑤
- K-Means聚类算法流程包括以下哪些步骤( ) A: 从N个样本数据中随机选取K个对象作为初始的聚类中心 B: 分别计算每个样本到各个聚类中心的距离,将对象分配到距离最近的聚类中 C: 所有对象分配完成后,重新计算K个聚类的中心 D: 当质心不发生变化时停止并输出聚类结果
- K-Means聚类算法步骤包括 A: 随机选择K个样本作为初始中心。 B: 把每个样本指派到最近的中心,形成K个簇类。 C: 重新计算每个簇的中心。 D: 一直迭代直到簇中心不再发生变化为止。