在聚类分析中，簇之间的相似性越大，簇内样本的差别越大，聚类的效果就越好
举一反三
- 在聚类分析当中,簇内的相似性越大,簇间的差别越大,聚类的效果就越差。
- 在聚类分析当中，簇内的相似性越大，簇间的差别越大，聚类的效果就越差。 A: 正确 B: 错误
- 有关聚类分析，下列说法错误的是哪个？ A: 在聚类分析中，簇之间的相似性越小，簇内样本的差别越小，聚类的效果就越好。 B: 聚类分析是一种非监督的过程。 C: K均值算法是一种常用的聚类算法，簇的个数算法不能自动确定。 D: K均值算法的计算耗时与初始假设聚类中心的位置无关。
- 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
- 关于聚类分析，下列说法中正确的是( )。 A: 聚类分析可以看做是种无监督的分类 B: K均值是一种产生划分聚类的基于密度的聚类算法，簇的个数由算法自动地确定 C: 聚类分析中，簇内的相似性越大,簇间的差别越大，聚类的效果就越差 D: 聚类是找出描述并区分数据类或概念的模型(或函数)，以便能够使用模型预测类别，标记未知对象类别的过程