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)。

题目
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)。

相似考题

1.下列哪个选项不是k-means算法的优点？A．算法简单、经典B．当聚类的每个簇是密集的，且簇与簇之间区别特别明显时，其聚类效果较好C．处理大数据集时是高效的，并且具有较好的可伸缩性D．能够识别出噪声点

2.10、关于K-means说法不正确的是：A．算法可能终止于局部最优解B．簇的数目k必须事先给定C．对噪声和离群点数据敏感D．适合发现非凸形状的簇

3.关于k-Means算法，正确的是（）。A．k表示算法生成的簇的数目，需要用户事先指定B．Means的含义是簇中样本的平均值C．在k-Means中，每一个簇用一个中心（质心）向量表示D．算法的初始化阶段需要给定k个初始的簇中心

4.k-means算法的优点主要有：A．算法简单、经典B．当聚类的每个簇是密集的，且簇与簇之间区别特别明显时，其聚类效果较好C．处理大数据集时是高效的，并且具有较好的可伸缩性D．能够识别出噪声点

更多“K－means聚类是发现给定数据集的K个簇的算法。() ”相关问题

  • 第1题：

    4、关于K-means说法不正确的是：

    A．算法可能终止于局部最优解

    B．簇的数目k必须事先给定

    C．对噪声和离群点数据敏感

    D．适合发现非凸形状的簇


    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。;初始聚类中心的选择会影响kmeans算法的收敛速度。;kmeans需要多次迭代，因此对于大的样本集速度求解比较慢。

  • 第2题：

    对于K-Means聚类算法下列说法正确的是：（）。

    A．初始聚类中心的选择对聚类结果影响不大

    B．须事先给定聚类数k值

    C．对噪声和孤立数据敏感

    D．是一种无监督学习方法


    对大数据集有较高的效率并且具有可伸缩性。#是一种无监督学习方法。#k值无法自动获取,初始聚类中心随机选择。#初始聚类中心的选择对聚类结果影响不大。

  • 第3题：

    8、下列哪个选项不是k-means算法的优点？

    A．算法简单、经典

    B．当聚类的每个簇是密集的，且簇与簇之间区别特别明显时，其聚类效果较好

    C．处理大数据集时是高效的，并且具有较好的可伸缩性

    D．能够识别出噪声点


    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。;初始聚类中心的选择会影响kmeans算法的收敛速度。;kmeans需要多次迭代，因此对于大的样本集速度求解比较慢。

  • 第4题：

    14、k-means算法的优点主要有：

    A．算法简单、经典

    B．当聚类的每个簇是密集的，且簇与簇之间区别特别明显时，其聚类效果较好

    C．处理大数据集时是高效的，并且具有较好的可伸缩性

    D．能够识别出噪声点


    算法简单、经典;当聚类的每个簇是密集的，且簇与簇之间区别特别明显时，其聚类效果较好;处理大数据集时是高效的，并且具有较好的可伸缩性

  • 第5题：

    关于K-means说法不正确的是：

    A．算法可能终止于局部最优解

    B．簇的数目k必须事先给定

    C．对噪声和离群点数据敏感

    D．适合发现非凸形状的簇


    对噪音和异常点不敏感

相关内容