K-means属于基于划分的聚类算法

题目

K-means属于基于划分的聚类算法

相似考题

1.K－means聚类是发现给定数据集的K个簇的算法。()此题为判断题(对，错)。

2.以下哪种聚类方法可以发现任意形状的聚类?()A 划分的方法B 基于模型的方法C 基于密度的方法D 层次的方法

3.K均值K－Means算法是密度聚类。()此题为判断题(对，错)。

4.K－means聚类中K值选取的方法是()。A、密度分类法B、手肘法C、大腿法D、随机选取

参考答案和解析
A
更多“K-means属于基于划分的聚类算法”相关问题

  • 第1题：

    关于聚类算法K-Means和DBSCAN的叙述中，不正确的是（ ）。

    A.K-Means和DBSCAN的聚类结果与输入参数有很大的关系
    B.K-Means基于距离的概念而DBSCAN基于密度的概念进行聚类分析
    C.K-Means很难处理非球形的簇和不同大小的簇，DBSCAN可以处理不同大小和不同形状的簇
    D.当簇的密度变化较大时，DBSCAN不能很好的处理，而K-Means则可以

    答案：D
    解析：
    本题考查数据挖掘的基础知识。K-Means和DBSCAN是两个经典的聚类算法，将相似的数据对象归类一组，不相似的数据对象分开。K-means算法基于对象之间的聚类进行聚类，需要输入聚类的个数。DBSCAN算法基于密度进行聚类，需要确定阈值，两者的聚类结果均与输入参数关系很大。DBSCAN可以处理不同大小和不同形状的簇，而K-means算法则不适合。若数据分布密度变化大，则这两种算法都不适用。

  • 第2题：

    简述基于划分的聚类方法。划分的准则是什么？


    正确答案: 基于划分的聚类方法：给顶一个n个对象或元组的数据库，一个划分方法构建数据的k个划分，每个划分表示一个簇，丙炔k《=n。划分方法要求每个组至少包含一个对象并且每个对象属于且仅数以一个组。聚类目标可以是最优化某种量度，比如最小化数据点与类中心的距离平方和等。
    划分准则是同一个聚类中的对象尽可能的接近或相关，不同聚类中的对象尽可能的远离或不同。

  • 第3题：

    若数据量较大，下面哪种方式比较适合（）

    • A、系统聚类
    • B、快速聚类（k-means）
    • C、A和B都可以
    • D、A和B都不可以

    正确答案:B

  • 第4题：

    K-means算法的缺点不包括（）

    • A、K必须是事先给定的
    • B、选择初始聚类中心
    • C、对于“噪声”和孤立点数据是敏感的
    • D、可伸缩、高效

    正确答案:D

  • 第5题：

    K-means算法的叙述正确的是（）

    • A、在K-means算法中K是事先给定的，这个K值的选定是非常难以估计的
    • B、在K-means算法中，首先需要根据初始聚类中心来确定一个初始划分，然后对初始划分进行优化
    • C、对于一个类中的每个对象，在其给定半径的领域中包含的对象不能少于某一给定的最小数目的新的聚类心，因此当数据量非常大时，算法的时间开销是非常大的

    正确答案:A,B,D

  • 第6题：

    什么是聚类？简单描述如下的聚类方法：划分方法，层次方法，基于密度的方法，基于模型的方法。为每类方法给出例子。


    正确答案:聚类是将数据划分为相似对象组的过程，使得同一组中对象相似度最大而不同组中对象相似度最小。主要有以下几种类型方法：
    （1）划分方法
    给定一个有N个元组或者记录的数据集，分裂法将构造K个分组，每一个分组就代表一个聚类，K 使用这个基本思想的算法有：K-MEANS算法、K-MEDOIDS算法、CLARANS算法。
    （2）层次方法
    这种方法对给定的数据集进行层次似的分解，直到某种条件满足为止。具体又可分为“自底向上”和“自顶向下”两种方案。例如在“自底向上”方案中，初始时每一个数据记录都组成一个单独的组，在接下来的迭代中，它把那些相互邻近的组合并成一个组，直到所有的记录组成一个分组或者某个条件满足为止。
    代表算法有：BIRCH算法、CURE算法、CHAMELEON算法等。
    （3）基于密度的方法
    基于密度的方法与其它方法的一个根本*区别是：它不是基于各种各样的距离，而是基于密度的。这样就能克服基于距离的算法只能发现“类圆形”的聚类的缺点。这个方法的指导思想就是：只要一个区域中的点的密度大过某个阈值，就把它加到与之相近的聚类中去。
    代表算法有：DBSCAN算法、OPTICS算法、DENCLUE算法等。
    （4）基于模型的方法
    基于模型的方法给每一个聚类假定一个模型，然后去寻找能够很好的满足这个模型的数据。这样一个模型可能是数据点在空间中的密度分布函数或者其它。它的一个潜在假定就是：目标数据集是由一系列的概率分布所决定的。
    基于模型的方法主要有两类：统计学方法和神经网络方法（SOM）。

  • 第7题：

    下列哪种算法属于分类算法的范畴（）.

    • A、Apriori算法
    • B、k-means算法
    • C、kNN算法
    • D、FP-Growth算法

    正确答案:C

  • 第8题：

    下列哪种算法属于聚类算法的范畴（）.

    • A、Apriori算法
    • B、k-means算法
    • C、kNN算法
    • D、C4.5算法

    正确答案:B

  • 第9题：

    单选题
    若数据量较大，下面哪种方式比较适合（）
    A

    系统聚类

    B

    快速聚类（k-means）

    C

    A和B都可以

    D

    A和B都不可以


    正确答案： A
    解析： 暂无解析

  • 第10题：

    多选题
    K-means算法叙述正确的是（）
    A

    在K-means算法中K是事先给定的，这个K值的选定是非常难以估计的

    B

    在K-means算法中，首先需要根据初始聚类中心来确定一个初始划分，然后对初始划分进行优化

    C

    对于一个类中的每个对象，在其给定半径的领域中包含的对象不能少于某一给定的最小数目

    D

    从K-means算法框架可以看出，该算法需要不断地进行样本分类调整，不断地计算调整后的新的聚类中心，因此当数据量非常大时，算法的时间开销是非常大的


    正确答案： A,B,D
    解析： 暂无解析

  • 第11题：

    单选题
    以下哪个聚类算法不是属于基于原型的聚类（）。
    A

    模糊c均值

    B

    EM算法

    C

    SOM

    D

    CLIQUE


    正确答案： C
    解析： 暂无解析

  • 第12题：

    判断题
    K均值是一种产生划分聚类的基于密度的聚类算法，簇的个数由算法自动地确定。
    A

    对

    B

    错


    正确答案： 错
    解析： 暂无解析

  • 第13题：

    简述k-means算法，层次聚类算法的优缺点。


    正确答案:（1）k-means算法：
    优点：算法描述容易，实现简单快速
    不足：
    簇的个数要预先给定
    对初始值的依赖极大
    不适合大量数据的处理
    对噪声点和离群点很敏感
    很难检测到“自然的”簇
    （2）层次聚类算法：
    BIRCH算法：
    优点：利用聚类特征树概括了聚类的有用信息，节省内存空间；具有对象数目呈线性关系，可伸缩性和较好的聚类质量。
    不足：每个节点只能包含有限数目的条目，工作效率受簇的形状的影响大。
    C.URE算法：
    优点：对孤立点的处理能力强；适用于大规模数据处理，伸缩性好，没有牺牲聚类质量。
    缺点：算法在处理大量数据时必须基于抽样，划分等技术。
    R.OCK算法：
    优点：分类恰当，可采用随机抽样处理数据。
    缺点：最坏的情况下时间复杂度级数大。
    基于密度的聚类算法：可识别具有任意形状不同大小的簇，自动确定簇的数目，分离簇和环境噪声，一次扫描即可完成聚类，使用空间索引时间复杂度为O（NlbN）。

  • 第14题：

    在数据挖掘中，常用的聚类算法包括：（）、（）、（）、基于网格的方法和基于模型的方法。


    正确答案:划分方法；层次方法；基于密度的方法

  • 第15题：

    基于对象之间的距离进行聚类，这样的方法只能发现秋装的类，而在发现任意形状的类上有困难指的是（）

    • A、划分法
    • B、基于密度的方法
    • C、基于网格地方法

    正确答案:B

  • 第16题：

    K-means算法叙述正确的是（）

    • A、在K-means算法中K是事先给定的，这个K值的选定是非常难以估计的
    • B、在K-means算法中，首先需要根据初始聚类中心来确定一个初始划分，然后对初始划分进行优化
    • C、对于一个类中的每个对象，在其给定半径的领域中包含的对象不能少于某一给定的最小数目
    • D、从K-means算法框架可以看出，该算法需要不断地进行样本分类调整，不断地计算调整后的新的聚类中心，因此当数据量非常大时，算法的时间开销是非常大的

    正确答案:A,B,D

  • 第17题：

    许多基于内存的聚类算法所常用的两种数据结构是（）和（）


    正确答案:数据矩阵；相似度矩阵

  • 第18题：

    K均值是一种产生划分聚类的基于密度的聚类算法，簇的个数由算法自动地确定。


    正确答案:错误

  • 第19题：

    下列算法中，属于关联规则算法的是（）。

    • A、Apriori算法
    • B、K-means算法
    • C、C4.5算法
    • D、Page Rank算法

    正确答案:A

  • 第20题：

    以下算法中，不属于分类预测的典型算法的是（）

    • A、Logistic回归
    • B、决策树
    • C、K-means算法
    • D、神经网络

    正确答案:C

  • 第21题：

    问答题
    按照聚类的原理和方法划分有哪三类聚类算法？各种聚类算法的思想是什么？

    正确答案： 按照聚类的原理和方法来划分聚类算法，分为：
    ①层次聚类；②划分聚类；③基于密度的聚类。
    各种聚类算法的思想如下：
    ①层次聚类：递归的对对象进行合并或者分裂，直到满足某一终止条件。根据二叉树生成的顺序，可以把层次聚类方法分为合并型层次聚类和分解型层次聚类；
    ②划分聚类：给定聚类数目k和目标函数F，划分聚类算法把D划分成k个类，是的目标函数在此划分下达到最优，划分算法把聚类问题转化成一个组合优化问题，从一个初始划分或者一个厨师聚点集合开始，利用迭代控制策略优化目标函数。
    ③基于密度的聚类：根据空间密度的差别，把具有相似密度的点作为聚类。通常只扫描一次数据库。
    解析： 暂无解析

  • 第22题：

    单选题
    以下哪个聚类算法不属于基于网格的聚类算法（）。
    A

    STING

    B

    WaveCluster

    C

    MAFIA

    D

    BIRCH


    正确答案： A
    解析： 暂无解析

  • 第23题：

    问答题
    简述系统聚类与K-means聚类的基本原理。

    正确答案： K.means聚类的基本原理：
    聚类不一定事先确定有多少类；但是K-means聚类却要求先说好要分多少类。看起来有些主观。
    假定分3类，这个方法还进一步要求你事先确定3个点为“聚类种子”（多数软件会自动选种子）；也就是说，把这3个点作为三类中每一类的基石。然后根据和这三个点的距离远近，把所有点分成三类。再把这三类的中心（均值）作为新的基石或种子（原来“种子”就没用了），再重新按照距离分类。如此叠代下去，直到达到停止叠代的要求（比如，各类最后变化不大了，或者叠代次数太多了）。显然，前面的聚类种子的选择并不必太认真，它们很可能最后还会分到同一类中。
    解析： 暂无解析

  • 第24题：

    单选题
    K-means算法的缺点不包括（）
    A

    K必须是事先给定的

    B

    选择初始聚类中心

    C

    对于“噪声”和孤立点数据是敏感的

    D

    可伸缩、高效


    正确答案： A
    解析： 暂无解析

相关内容