K均值聚类算法的基本思想包括()。
A.这个过程不断重复,直到准则函数收敛
B.对剩余的每个对象,根据其与各个簇中心的距离,将它赋给最近的簇
C.首先,随机选择K个对象,每个对象初始的代表了一个簇的均值
D.然后重新计算每个簇的平均值
- · 有3位网友选择 C,占比37.5%
- · 有2位网友选择 BD,占比25%
- · 有1位网友选择 BC,占比12.5%
- · 有1位网友选择 AC,占比12.5%
- · 有1位网友选择 D,占比12.5%
A.这个过程不断重复,直到准则函数收敛
B.对剩余的每个对象,根据其与各个簇中心的距离,将它赋给最近的簇
C.首先,随机选择K个对象,每个对象初始的代表了一个簇的均值
D.然后重新计算每个簇的平均值
A.首先,随机选择K个对象,每个对象初始的代表了一个簇的均值
B.对剩余的每个对象,根据其与各个簇中心的距离,将它赋给最近的簇
C.然后重新计算每个簇的平均值
D.这个过程不断重复,直到准则函数收敛
A.k均值算法采用误差和准则函数,其聚类目标是使准则函数值最小
B.理论上可以证明,k均值聚类算法是收敛的
C.k均值算法的聚类结果虽然收敛但不确定
D.聚类结果受设定的聚类数k、初始聚类中心和样本的分布情况影响
A.K均值聚类一定能达到很好的聚类结果
B.K均值聚类的迭代次数越多,算法结果越稳定
C.当样本量较大时,可以利用K均值聚类方法
D.随机起点的设置不同,K均值聚类的结果一定相同
A.在K均值聚类算法中,我们不必事先就确定聚类数目。
B.EM算法分为求取期望和期望最大化两个步骤。
C.在K均值聚类算法中,欧式距离与方差量纲相同。
D.在K均值聚类算法中,未达到迭代次数上限,迭代不会停止。
A.在聚类分析中,簇之间的相似性越大,簇内样本的差别越大,聚类的效果就越好
B.聚类分析可以看作是一种非监督的样本分组过程
C.k均值算法是一种常用的聚类算法,簇的个数算法不能自动确定
D.k均值算法的计算耗时与初始假设聚类中心的位置有关
为了保护您的账号安全,请在“简答题”公众号进行验证,点击“官网服务”-“账号验证”后输入验证码“”完成验证,验证成功后方可继续查看答案!