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
A. K-means B. DBSCAN C. Apriori D. AGENES
A. 层次聚类 B. 划分聚类 C. 非互斥聚类 D. 密度聚类
A. DBSCAN使用基于密度的概念 B. K均值使用簇的基于层次的概念 C. K均值很难处理非球形的簇和不同大小的簇 DBSCAN可以处理不同大小和不同形状的簇。
A. 其目的是根据过去的观测结果来预测新样本的标签为聚类 B. 聚类的算法训练样本往往都不含有标签 C. 聚类算法对于孤立的野值不敏感 D. 聚类算法的更新步骤可解释性不强
A. 收敛速度慢 B. 原理简单,实现容易 C. 可以轻松发现非凸形状的簇 D. 需要事先确定k的值
A. 汉明距离 B. 马氏距离 C. 曼哈顿距离 D. 欧式距离
A. 当各个类中心还在发生偏移的时候 B. 当所有的野值点均隶属于一个簇的时候 C. 当循环数超过某一个阈值的时候 D. 当所有数据隶属的簇不再发生变化的时候
A. 密度聚类对噪声数据非常敏感 B. 密度聚类假设类结构能通过样本分布的紧密程度确定 C. 层次聚类对给定的数据进行有层次的分解,直到满足条件为止 D. 层次聚类有自底向上和自顶向下两种策略