题目内容
（请给出正确答案）
A.对聚类的样本可以继续分类，从而可以获得各类样本的特征。
B.对于一些异常的样本，在聚类时可以单独处理，可能得到有用的异常模式。
C.对于任意形状分布的样本，基于密度的聚类算法可能得到有用的分组。
D.检验聚类算法的好坏只要看SSE（每个样本与聚类簇中心的距离的平方和）是否最小。
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“有关聚类的说法，错误的是？”相关的问题
A.不预先设定数据归类类目，完全根据数据本身性质将数据聚合成不同类别
B.要求同类数据的内容相似度尽可能小
C.要求不同类数据的内容相似度尽可能小
D.与分类挖掘技术相似的是，都是要对数据进行分类处理
B．主要组织相容性抗原可引起强烈而迅速的排斥反应
C．MHC在哺乳动物中普遍存在
D．MHC所编码的产物称为MHC分子
E．人的MHC分子简称HLDA
B．文章从三个层面阐述了避免愚蠢见解的方法
C．文章认为克服愚蠢见识的根本途径在于树立人的认识无限的观念
D．文章认为，为了避免愚蠢的见识，尤宜提防的是容易助长你狂妄自大的意见
B．按运行环境将操作系统分为实时操作系统、分时操作系统和批处理操作系统
C．批处理操作系统指利用CPU的空余时间处理成批的作业
D．实时操作系统是对外来信号及时作出反应的操作系统
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、kmeans算法各聚类中心与其几何重心是重合的，对于凸型数据集初始的假设聚类中心尽量距离远一些。
B、在计算样本之间的距离时，对样本不同量纲的数据属性进行标准化是必要的。
C、Kohonon神经网络在计算过程中需要计算样本之间的距离。
D、当聚类的组数比较多时，可以把距离较近的簇合并。
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、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。
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！
