在K-means聚类分析中,当聚类效果不能令人满意时,下列说法不正确的是()
A.优化初始点的选取
B.重新检查数据清洗的是否充分
C.多次重复运行,直到有满意结果
D.检查异常值、量纲的影响是否还存在
- · 有3位网友选择 B,占比33.33%
- · 有3位网友选择 A,占比33.33%
- · 有2位网友选择 D,占比22.22%
- · 有1位网友选择 C,占比11.11%
A.优化初始点的选取
B.重新检查数据清洗的是否充分
C.多次重复运行,直到有满意结果
D.检查异常值、量纲的影响是否还存在
A.kmeans算法对于非凸型的聚类不能产生聚类结果。
B.在确定样本集是否可以使用kmeans算法时,可以先对数据集进行可视化观察样本集的大致分布。
C.初始聚类中心的选择会影响kmeans算法的收敛速度。
D.kmeans需要多次迭代,因此对于大的样本集速度求解比较慢。
A.对于基于密度的聚类而言,不是根据样本的距离,而是根据样本的密度进行分组的。
B.在基于密度的聚类中,样本的邻域距离阈值参数不同,可能得到不同的聚类结果。
C.在聚类过程中,非数值型属性必须转为数值属性才能进行聚类分析。
D.在使用kmeans聚类时,k值总是很容易给出。
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
A.kmeans只能处理凸型分布的非数值型样本。
B.kmeans算法需要在聚类前确定类数k,这个k值需要有助于解释各类的业务含义。
C.kmeans聚类的过程与初始的k个假设的聚类中心的选择没关。
D.kmeans算法对异常样本非常敏感,因此在聚类前要把异常样本直接删除。
A.聚类是无监督学习方法
B.聚类可作为分类等其他任务的预处理过程
C.聚类分析目标是使同一个簇中的样本相似度较高,而不同簇间的样本相似度较低
D.“簇”越多说明聚类效果越好
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!