使用KMEANS、DBSCAN等多种聚类算法对同一数据集进行聚类时，可能会得到不同的分组数（类数），分组数较多的聚类算法一般是比较好的。
举一反三
- DBSCAN算法属于什么类型的聚类算法A、划分型聚类算法B、基于密度的聚类算法C、层次聚类算法D、网格聚类算法
- DBSCAN算法属于什么类型的聚类算法 A: 基于密度的聚类算法 B: 划分型聚类算法 C: 网格聚类算法 D: 层次聚类算法
- K-Means聚类算法建模后，以下说法正确的是？ A: 通过kmeans.cluster_centers_可以得到聚类后的聚类中心 B: 通过kmeans.labels_可以得到聚类后每一组数据对应的类型标签 C: KMeans(n_clusters=5,n_jobs=4,max_iter=iteration,random_state=1234) 可以设置聚类的簇数为4 D: 通过该语句from sklearn.cluster import KMeans，可以从sklearn中导入KMeans算法
- 常见的聚类算法有哪些？-（） A: 密度聚类 B: 层次聚类 C: 谱聚类 D: Kmeans
- K-means、凝聚层次聚类、DBScan算法中时间复杂度最高的是 A: Kmeans B: 凝聚层次聚类 C: DBScan D: 都一样