请在 下方输入 要搜索的题目：
推荐参考答案 (
由 搜题小帮手 官方老师解答 )
答案：
以下文字与答案无关
提示：有些试题内容 显示不完整,文字错误 或者 答案显示错误等问题，这是由于我们在扫描录入过程中 机器识别错误导致,人工逐条矫正总有遗漏，所以恳请 广大网友理解。
相关试题
- 1.以下对k-means聚类算法解释正确的是：选项： A:能⾃动识别类的个数，随机挑选初始点为中⼼点计算; B:能⾃动识别类的个数，不是随机挑选初始点为中⼼点计算; C:不能⾃动识别类的个数，随机挑选初始点为中⼼点计算; D:不能⾃动识别类的个数，不是随机挑选初始点为中⼼点计算
- 2.下面对k-means聚类算法解释正确的是( ) 选项： A、不需要指定簇的个数 B、 不能自动识别簇的个数 C、 对异常点不敏感 D、 聚类结果与中心点的初始化无关
- 3.关于k-means描述正确的是( ) 选项： A、K-Means算法的思想很简单,对于给定的样本集,按照样本之间的距离大小,将样本集划分为K个簇,让簇内的点尽量紧密的连在一起,而让簇间的距离尽量的大。 B、不能自动识别聚类数量,随机挑选初始中心点计算 C、初始聚类中心的选择对聚类结果影响很大 D、不是通过随机方式挑选初始中心点
- 4.以下关于聚类说法正确的是（） 选项： A、K-Means聚类执行速度比K-中心点聚类快 B、K-Means聚类比K-中心点聚类更易受初始类簇中心点选择的影响 C、K-Means聚类需要事先给出类簇个数，而K-中心点聚类不需要事先提供类簇个数 D、K-Means聚类对噪声数据比K-中心点聚类更敏感
- 5.关于k均值聚类算法下列说法错误的是() 选项： 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
- 6.在KMeans算法中，以下关于最终聚类结果与初始样本中心点选择表述正确的是？ 选项： A:两者之间没有关系 B:最终聚类结果与初始样本中心点选择有关
- 7. (单选题)在KMeans算法中，以下关于最终聚类结果与初始样本中心点选择表述正确的是？ 选项： A: 两者之间没有关系 B: 最终聚类结果与初始样本中心点选择有关
- 8.以下哪个算法是基于密度的空间聚类算法（） 选项： A、K-中心点 B、K-Means C、DBSCAN D、均值漂移聚类
- 9.sklearn中KMeans算法中，属性cluster_centers_的含义是（） 选项： A、所有点的中心点 B、所有点的质心 C、聚类中心点的坐标 D、中心簇
- 10.可以作为K均值聚类算法迭代终止条件的有（ ） 选项： A:最大迭代次数 B:聚类结果不再改变 C:类别个数不再改变 D:类中心不再改变
- 11.可以作为K均值聚类算法迭代终止条件的有 选项： A、最大迭代次数 B、聚类结果不再改变 C、类别个数不再改变 D、类中心不再改变
- 12.下列哪些属于聚类算法（ ）选项： A:K-means B:KNN C:DBSCAN D:K-中心点
- 13.kmeans聚类分析聚类个数为()。
- 14.下列哪项不属于聚类分析的算法() 选项：K-Means|K-中心点|系统聚类|Apriori算法
- 15.K 均值聚类算法和层次聚类算法在一些方面有重大差异，下列关于两种算法的说法正确的有( )。 选项： A、在 K 均值聚类算法中，必须在运行算法前选定想要的簇的个数 B、在 K 均值聚类算法中，可以在运行算法后选定想要的簇的个数 C、在层次聚类算法中，可以在运行算法后选定想要的簇的个数 D、K 均值聚类算法所需的计算量比层次聚类算法小得多
- 16.可以作为K均值聚类算法迭代终止条件的有（ ）A．最大迭代次数B．聚类结果不再改变C．类别个数不再改变D．类中心不再改变
- 17.下列哪项不属于聚类分析的算法() 选项： A、K-Means B、K-中心点 C、系统聚类 D、Apriori算法
- 18.下列哪项不属于聚类分析的算法() 选项：A、K-Means B、K-中心点 C、系统聚类 D、Apriori算法
- 19.系统聚类的建模步骤为（ ）。①选择合适的点与点之间的距离测度方法，计算样本点之间的距离 ②对数据集中的数据进行标准化处理 ③选择合适的类与类之间的距离测度方法，合并距离最近两类为一个新类 ④构造C个类，每个类中包含一个样本点 ⑤决定类别个数和类的特征 ⑥计算新的类与当前各类之间的距离，若类的个数不为1，再进行类与类的合并；若类的个数为1则结束聚类，画出谱系聚类图.选项： A:②①④③⑥⑤ B:⑤②①④③⑥ C:⑤②④①③⑥ D:②⑤④①③⑥
- 20.【多选题】可以作为K均值聚类算法迭代终止条件的有（ ） A.最大迭代次数 B.聚类结果不再改变 C.类别个数不再改变 D.类中心不再改变
- 21.K-Means聚类算法流程包括以下哪些步骤（ ）选项： 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
