下面哪一句话描述不属于K均值聚类算法的不足（)。A．K均值聚类是无监督聚类B．需要事先确定聚类数目C．算法迭代执行D．需要初始化聚类质心

下面哪一句话描述不属于K均值聚类算法的不足（)。

A．K均值聚类是无监督聚类

B．需要事先确定聚类数目

C．算法迭代执行

D．需要初始化聚类质心

参考答案和解析
K均值聚类是无监督聚类

相关考题：

K－means聚类是发现给定数据集的K个簇的算法。() 此题为判断题(对，错)。
查看答案
影响基本K-均值算法的主要因素有()A.样本输入顺序B.模式相似性测度C.聚类准则
查看答案
K均值K－Means算法是密度聚类。() 此题为判断题(对，错)。
查看答案
层次聚类算法分为哪两种方法?简述这两个层次聚类算法。
查看答案
聚类的典型应用不包括（ ），（请作答此空）是一个典型的聚类算法。A.决策树B.AprioriC.k-meansD.SVM
查看答案
简述k-means算法，层次聚类算法的优缺点。
查看答案
K-means算法的缺点不包括（）A、K必须是事先给定的B、选择初始聚类中心C、对于“噪声”和孤立点数据是敏感的D、可伸缩、高效
查看答案
K-means算法叙述正确的是（）A、在K-means算法中K是事先给定的，这个K值的选定是非常难以估计的B、在K-means算法中，首先需要根据初始聚类中心来确定一个初始划分，然后对初始划分进行优化C、对于一个类中的每个对象，在其给定半径的领域中包含的对象不能少于某一给定的最小数目D、从K-means算法框架可以看出，该算法需要不断地进行样本分类调整，不断地计算调整后的新的聚类中心，因此当数据量非常大时，算法的时间开销是非常大的
查看答案
K-means算法的叙述正确的是（）A、在K-means算法中K是事先给定的，这个K值的选定是非常难以估计的B、在K-means算法中，首先需要根据初始聚类中心来确定一个初始划分，然后对初始划分进行优化C、对于一个类中的每个对象，在其给定半径的领域中包含的对象不能少于某一给定的最小数目的新的聚类心，因此当数据量非常大时，算法的时间开销是非常大的
查看答案
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。
查看答案
关于混合模型聚类算法的优缺点，下面说法正确的是（）A、当簇只包含少量数据点，或者数据点近似协线性时，混合模型也能很好地处理B、混合模型比K均值或模糊C均值更一般，因为它可以使用各种类型的分布C、混合模型很难发现不同大小和椭球形状的簇D、混合模型在有噪声和离群点时不会存在问题
查看答案
（）都属于分裂的层次聚类算法。A、二分K均值B、MSTC、ChameleonD、组平均
查看答案
以下属于聚类算法的是（）A、K均值B、DBSCANC、AprioriD、Jarvis-Patrick（JP）
查看答案
以下哪些是监督分类的分类方法（）A、K-均值算法B、多级切割分类法C、最大似然比法D、动态聚类法
查看答案
ISODATA算法与K-均值算法有什么不同。
查看答案
下列哪种算法属于聚类算法的范畴（）.A、Apriori算法B、k-means算法C、kNN算法D、C4.5算法
查看答案
问答题写出K-均值聚类算法的计算步骤。
查看答案
问答题快速聚类法（K—均值法）的基本思想是怎样的？
查看答案
问答题按照聚类的原理和方法划分有哪三类聚类算法？各种聚类算法的思想是什么？
查看答案
多选题K-means算法叙述正确的是（）A在K-means算法中K是事先给定的，这个K值的选定是非常难以估计的B在K-means算法中，首先需要根据初始聚类中心来确定一个初始划分，然后对初始划分进行优化C对于一个类中的每个对象，在其给定半径的领域中包含的对象不能少于某一给定的最小数目D从K-means算法框架可以看出，该算法需要不断地进行样本分类调整，不断地计算调整后的新的聚类中心，因此当数据量非常大时，算法的时间开销是非常大的
查看答案
单选题以下哪个聚类算法不属于基于网格的聚类算法（）。ASTINGBWaveClusterCMAFIADBIRCH
查看答案
单选题以下哪个聚类算法不是属于基于原型的聚类（）。A模糊c均值BEM算法CSOMDCLIQUE
查看答案
多选题（）都属于分裂的层次聚类算法。A二分K均值BMSTCChameleonD组平均
查看答案
问答题试述K均值法与系统聚类法的异同。
查看答案
多选题以下属于聚类算法的是（）AK均值BDBSCANCAprioriDJarvis-Patrick（JP）
查看答案
判断题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。A对B错
查看答案
问答题ISODATA算法与K-均值算法有什么不同。
查看答案
单选题关于混合模型聚类算法的优缺点，下面说法正确的是（）A当簇只包含少量数据点，或者数据点近似协线性时，混合模型也能很好地处理B混合模型比K均值或模糊C均值更一般，因为它可以使用各种类型的分布C混合模型很难发现不同大小和椭球形状的簇D混合模型在有噪声和离群点时不会存在问题
查看答案
热门标签