有关kmeans算法，正确的说法是？? kmeans算法对异常样本非常敏感，因此在聚类前要把异常样本直接删除。|kmeans聚类的过程与初始的k个假设的聚类中心的选择没关。|kmeans只能处理凸型分布的非数值型样本。|kmeans算法需要在聚类前确定类数k，这个k值需要有助于解释各类的业务含义。
举一反三
- kmeans聚类算法是聚类分析中的一种算法
- 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
- KMeans算法的基本思想是：选择样本空间中k个样本（点）为初始中心，然后对剩余样本进行聚类，每个中心把距离自己最近的样本“吸引”过来，然后更新聚类中心的值，依次把每个样本归到距离最近的类中，重复上面的过程，直至得到某种条件下最好的聚类结果。
- 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
- Kmeans聚类算法属于有监督学习中的一种。 A: 正确 B: 错误