题目内容
（请给出正确答案）
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
参考答案
简答题官方参考答案
（由简答题聘请的专业题库老师提供的解答）
网友提供的答案
更多“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”相关的问题
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。
下列关于K-Means算法的说法错误的是（）。
A.构建K-Means聚类模型需要对数据进行标准化
B.K-Means算法涉及空间距离计算
C.K-Means算法训练结果具有一定的随机性，所以需要多次训练
D.K-Means算法是sklearn的cluster模块中唯一涉及距离计算的聚类算法
A.JP聚类擅长处理噪声和离群点，并且能够处理不同大小、形状和密度的簇。
B.JP算法对高维数据效果良好，尤其擅长发现强相关对象的紧致簇。
C.JP聚类是基于SNN相似度的概念。
D.JP聚类的基本时间复杂度为O(m)。
A.它使用最小均方误差准则来确定转换函数
B.它具有软聚类、增量学习和连续概率转换的特点
C.它所建立的转换函数是不连续的，容易导致语音内部频谱不连续
D.它会给转换特征带来过平滑的问题，导致语音的音质下降
A、k-均值聚类需要大量的迭代，因此不能使用分布式计算。
B、k-均值的分布式实现需要MapReduce的各个数据节点共享假设的聚类中心。
C、k-均值算法的大量迭代运算在分布式环境下的效率一般更高。
D、k-均值在Spark内存计算框架下运行要比Hadoop MapReduce下运行要快的多。
A.聚类与分类类似，需要把没有类别标签的样本根据距离分组。
B.聚类需要根据样本的距离，距离近的分为一组，反之划分到不同的组。
C.对于同一批样本，使用不同聚类算法得到的结果是相同的。
D.聚类的类别在分析前就很容易确定。
A.在DBSCAN算法中，将点分类核心点、边界点和噪音点三类
B.DBSCAN算法，需要指定聚类后簇的个数
C.DBSCAN算法是一种基于划分的聚类算法
D.DBSCAN算法是一种基于密度的聚类算法
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.关于K-Mean和二分K-Means算法对于同样的K值得到的聚类结果基本相同
B.一般来说.K-Mean比二分K-Means算法的聚类结果要好（具有更小的误差平方和）
C.一般来说.K-Mean算法在迭代过程中，应用了二分K-Means算法
D.一般来说.二分K-Means算法比K-Means的聚类结果要好（具有更小的误差平方和）
警告：系统检测到您的账号存在安全风险
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！
