基于质心的K均值聚类分析算法和基于分布的期望最大化聚类分析算法,都需要对所需要的簇数有先验知识且结果是不可再现的。
举一反三
- K均值是基于质心的K均值聚类分析算法的特殊情况,K均值是在每次迭代中只计算聚类分布的质心。
- 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。
- 如果聚类分析现在有两个变量V1和V2,对于K均值分析(k=3)的描述,如果V1和V2完全相关,簇的质心会在一条直线上。
- K均值是一种基于层次的聚类算法,簇的个数由算法自动地确定。
- 以下关于K-means算法错误的有 ( )。 A: K-means算法需要指定簇的个数 B: K-means算法本质上是EM(期望最大化)方法 C: K-means算法不会出现局部极小值的问题 D: K-means在重新计算质心,簇会发生变化