下列说法不正确的是()。
A.K-means算法能够解决有离群点的聚类问题
B.K-modes能够解决离散数据的聚类问题
C.K-means++能够解决初始点影响聚类效果的问题
D.K中心点能够解决有离群点的聚类问题
A.K-means算法能够解决有离群点的聚类问题
B.K-modes能够解决离散数据的聚类问题
C.K-means++能够解决初始点影响聚类效果的问题
D.K中心点能够解决有离群点的聚类问题
A.K-means算法初始质心问题可通过多次运行来解决
B.层次聚类的时间复杂度是O(N2)
C.DBSCAN算法忽略掉噪声点
D.聚类评估外部指标有SSE,Cohesion,Separation
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
A.聚类的目的是根据人们所关心的相似关系,寻找数据中潜在的自然分组结构
B.依据被研究对象的不同,聚类算法能够被划分为Q型聚类和R型聚类
C.依据算法结构的不同,聚类算法能够被划分为自下而上与自上而下
D.使用聚类算法时一定需要每个样本的标签
A.聚类要求组之间相似度最低,组内相似度最高
B.聚类的初始中心点不可随意选取,需按要求指定
C.欧氏距离找到初始中心点后,需测算每个元组到中心点的
D.每一次聚类之后,需重新确定中心点,并进行迭代操作,直到聚类结果不发生变化
A.决策树算法、支持向量机算法、K-近邻算法
B.支持向量机算法、K-近邻算法、主成分分析算法
C.支持向量机算法、主成分分析算法、K-Means聚类算法
D.决策树算法、支持向量机算法、K-Means聚类算法
A.2.5.4.3.1
B.1.5.4.2.3
C.1.2.3.4.5
D.4.3.2.1.5