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
- 2.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
- 3.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
- 4.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
- 5.下列关于聚类标准的说法正确的是( )。 选项： A、簇内距离和簇间聚类尽可能大 B、 簇内距离和簇间聚类尽可能小 C、 簇内距离尽量大、簇间聚类尽可能小 D、 簇内距离尽量小、簇间聚类尽可能大
- 6. 下列关于k-means算法的说法，正确的是： 选项： A:k-means算法最后得到的每个簇的中心点（质心）是样本点中的某个点 B:k-means算法的初始中心点选择是随机的 C:k-means算法的终止条件必须是直到质心不再变化 D:k-means算法的初始中心点选择是固定的
- 7.以下关于经典的k-means聚类的说法哪些是正确 选项： A:k-means的聚类结果和初始聚类中心点的选取有关 B:k-means聚类算法是全局收敛的 C:k-means聚类算法无法自动确定聚类团数量 D:k-means聚类算法的时间复杂度是O(NKT)，其中N为样本个数，K为聚类团数量，T为迭代次数
- 8.323. 下列关于k-means算法的说法，正确的是： 选项： A:k-means算法最后得到的每个簇的中心点（质心）是样本点中的某个点 B:k-means算法的初始中心点选择是随机的 C:k-means算法的终止条件必须是直到质心不再变化 D:k-means算法的初始中心点选择是固定的
- 9.以下关于K-means算法说法正确的有哪些？（） 选项： A:K-Means算法是典型的基于距离的划分式聚类算法 B:其中的k代表类簇个数 C:Means代表类簇内数据对象的均值为类簇中心 D:Means聚类算法也叫又称为k-均值算法
- 10.以下关于K-means算法的说法中，正确的是（ ）。 选项： A:K-means算法是一种聚类方法，属于监督学习 B:在训练初始阶段，K-means算法需要先学习样本的类别数和初始类别中心 C:不同的初始聚类中心对聚类结果影响不大 D:K-means算法容易陷入局部最优
- 11.(2分) 以下关于K-means算法的说法中,正确的是 选项： A: K-means算法是一种聚类方法， 属于监督学习 B: 不同的初始聚类中心对聚类结果影响不大 C: 在训练初始阶段， K-means算法需要先学习样本的类别数和初始类别中心 D: K-means算法容易陷入局部最优
- 12.KMeans算法k值及初始类簇中心点的选取？
- 13.(2分) 以下关于K-means算法的说法中, 正确的是 选项： A: K-means算法是一种聚类方法， 属于监督学习 B: 在训练初始阶段， K-means算法需要先学习样本的类别数和初始类别中心 C: 不同的初始聚类中心对聚类结果影响不大 D: K-means算法容易陷入局部最优
- 14.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
- 15.K－means聚类是发现给定数据集的K个簇的算法。（)
- 16.下面关于K-means聚类算法的哪个说法是正确的？ 选项： A:K-means算法是一种层次聚类算法。 B:K-means算法是一种基于密度的聚类算法。 C:K-means算法的目标是最小化组内的方差。 D:K-means算法对初始聚类中心的选择不敏感。
- 17.K-Means算法是否对初始聚类中心的选择敏感？
- 18.K-Means算法中，选择不同的初始簇中心可能会导致不同的聚类结果。这种问题被称为（ ）。 选项： A:局部最优解 B:全局最优解 C:随机最优解 D: 平均最优解
- 19.[单选题]关于聚类算法K-Means和DBSCAN的叙述中，不正确的是() A K-Means和DBSCAN的聚类结果与输入参数有很大的关系 B K-Means基于距离的概念而DBSCAN基于密度的概念进行聚类分析 C K-Means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 D 当簇的密度变化较大时，DBSCAN不能很好的处理，而K-Means则可以
- 20.k-means算法的缺点有（ ）。 选项： A:k-means算法对初始中心点的选择比较敏感 B:k-means算法对参数k是比较敏感的 C:k-means算法以簇内对象的平均值作为簇中心来计算簇内误差，在连续属性的数据集上很容易实现，但在具有离散属性的数据集上却不能适用 D:k-means算法对噪声和离群点非常敏感
- 21.K-means算法中第二个循环做了什么（ ）。 选项： A:聚类中心的移动 B:计算聚类中心和聚类中心间的距离 C:计算样本与样本间的距离 D:计算所有样本到各个聚类中心的距离，并判断归属
- 22.关于聚类分析算法，下列说法正确的是选项： A:K-Means算法对噪声数据并不敏感 B:与K-Means算法相比，K-中心点算法对噪声数据更加敏感 C:DBSCAN算法能够更好的处理噪声数据的聚类 D:DBSCAN只能发现类圆形的簇
