关于谱系聚类算法的描述，正确的有（ ）。
A: 每一轮迭代都是把两个聚类合并为一个聚类
B: 把所有的类别最后都聚成一个类别是没有必要的
C: 假设所有样本特征的距离都是不相等的，谱系聚类的结果，和样本输入的次序有关。
D: 采用不同的距离公式，可能得到不同的聚类结果
A: 每一轮迭代都是把两个聚类合并为一个聚类
B: 把所有的类别最后都聚成一个类别是没有必要的
C: 假设所有样本特征的距离都是不相等的，谱系聚类的结果，和样本输入的次序有关。
D: 采用不同的距离公式，可能得到不同的聚类结果
举一反三
- 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
- 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
- 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
- 将每个样本都做为一个独立的类簇，然后按照距离度量原则，不断合并最近的类簇，直至所有样本都合并为一个类簇，或者满足终止条件，这种聚类方式称为（ ） A: 基于分割的聚类 B: 层次聚类 C: 基于密度的聚类 D: 基于模型的聚类
- 关于二分-K-Means算法说法正确的是（） A: 算法迭代过程中聚类总数不能超过预设值 B: 算法迭代过程中不断把已经聚类的集合进行再次聚类，所以最后聚类总数一定超过预设值 C: 算法迭代过程中不断把已经聚类的集合进行再次聚成两类，所以最后聚类总数一定偶数 D: 算法迭代过程中不断把已经聚类的集合进行再次聚成两类，最终分类效果与迭代次数有关