()比较适合描述数据在平面或空间中的分布,可以用来帮助分析数据之间的关联,或者观察聚类算法的选择和参数设置对聚类效果的影响。A.饼状图B.柱状图C.折线图D.散点图

题目
()比较适合描述数据在平面或空间中的分布,可以用来帮助分析数据之间的关联,或者观察聚类算法的选择和参数设置对聚类效果的影响。

A.饼状图

B.柱状图

C.折线图

D.散点图

相似考题

1.有关kmeans算法，以下正确的说法有哪些？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。

2.使用kmeans、基于密度的聚类和Kohonen等多种聚类算法对同一数据集进行聚类时，可能会得到不同的分组数（类数），分组数较多的聚类算法一般是比较好的。

3.有关k-means下列说法正确的是？A．可以确定样本属性的重要性B．可以处理凸型分布数据的聚类C．适合任意数据集的分组D．聚类的结果与初始选择的假设聚类中心有关

4.数据点密度分布不均会影响K-means聚类的效果。

更多“()比较适合描述数据在平面或空间中的分布,可以用来帮助分析数据之间的关联,或者观察聚类算法的选择和参数设置对聚类效果的影响。 ”相关问题

  • 第1题：

    2、使用R中的iris数据集，利用Kmeans算法对其进行聚类，选择聚类簇数k=3，并对聚类结果进行简单的分析和说明。需要上传程序代码。（备注：可以参考11.6节课程内容）


    A

  • 第2题：

    有很多学生和就业的数据，对即将学生适合于哪工作进行分析适合的算法是聚类


    错误

  • 第3题：

    有关机器学习算法选择的说法不正确的有？

    A．每种算法都有其使用范围，因此选择算法需要考虑具体处理的问题

    B．判断机器学习算法好坏在数据需求阶段就可以确定

    C．在分类前可以先做聚类分析

    D．对聚类问题可以任选一种聚类算法


    判断机器学习算法好坏在数据需求阶段就可以确定;对聚类问题可以任选一种聚类算法

  • 第4题：

    138、数据点密度分布不均会影响K-means聚类的效果。


    正确

  • 第5题：

    15、完整的数据聚类过程一般包括选定特征，设定聚类准则，选择聚类算法和聚类结果评估。


    错误

相关内容