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

题目

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

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.关于宪法和法律的区别，说法不正确的是( )。

3.关于宪法宣誓制度以下说法不正确的是?( )

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
B
更多“10、关于K-means说法不正确的是：”相关问题

  • 第1题：

    K－means算法采用贪心策略,通过迭代优化来近似求解。()

    此题为判断题(对，错)。


    参考答案：正确

  • 第2题：

    K－means聚类适用的数据类型是()。

    A.语音数据

    B.数值型数据

    C.所有数据

    D.字符型数据


    正确答案：B

  • 第3题：

    以下哪种算法不是监督学习()

    A、决策树

    B、随机森林

    C、神经网络

    D、k-means


    答案：D

  • 第4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5题：

    关于投资收益率指标的说法中，不正确的是（）

    • A、7
    • B、6
    • C、10
    • D、12

    正确答案:A

  • 第6题：

    下列关于休克的诊断要点说法不正确的是（）

    • A、有休克的诱因
    • B、意识障碍
    • C、脉搏＞100次/分或不能触及
    • D、脉压＜10mmHg

    正确答案:D

  • 第7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8题：

    关于朗伯－比尔定律，说法不正确的是（）。


    正确答案:朗伯－比尔定律既适用于单色光也适用于复合光

  • 第9题：

    关于道具沟通，说法不正确的是（）。


    正确答案:道具沟通是通过非词语的声音来传递信息的

  • 第10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11题：

    填空题
    关于道具沟通，说法不正确的是（）。

    正确答案： 道具沟通是通过非词语的声音来传递信息的
    解析： 暂无解析

  • 第12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13题：

    关于SCL－90,下列说法中不正确的是()。

    A、采用5级评分

    B、包括10个因子

    C、共有90个项目

    D、属于他评量表


    答案：D

  • 第14题：

    K均值K－Means算法是密度聚类。()

    此题为判断题(对，错)。


    正确答案：错误

  • 第15题：

    关于肠球菌的说法不正确的是


    正确答案：E
    肠球菌属在血平板上主要表现为γ-溶血和α-溶血。

  • 第16题：

    Datahoop1.2版中K-means聚类分析要求输入的数据必须是数值型数据。


    正确答案:正确

  • 第17题：

    以下关于血培养说法，不正确的是（）

    • A、高热时采血进行培养
    • B、即时送检
    • C、每次采血量至少10-15ml
    • D、应双瓶双抽

    正确答案:A

  • 第18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19题：

    关于近视的预防，不正确的说法是充分矫正近视


    正确答案:正确

  • 第20题：

    关于谈话活动的作用，说法不正确的是（）


    正确答案:它锻炼幼儿的独白语言

  • 第21题：

    试简要阐述ISODATA对比K-MEANS的不同点。


    正确答案:它与K－均值算法有两点不同，第一，它不是每调整一个样本的类别就重新计算一次各类样本的均值，而是在每次把所有样本都调整完毕之后才重新计算一次各类样本的均值，前者称为逐个样本修正法，后者称为成批样本修正法；第二，ISODATA算法不仅可以通过调整样本所属类别完成样本的聚类分析，而且可以自动地进行类别的“合并”和“分裂”，从而得到类数比较合理的聚类结果。

  • 第22题：

    单选题
    关于投资收益率指标的说法中，不正确的是（）
    A

    7

    B

    6

    C

    10

    D

    12


    正确答案： C
    解析： 本题涉及的考点是投资收益率指标的优缺点。投资收益率是衡量技术方案获利水平的评价指标，它是技术方案建成投产达到设计生产能力后一个正常生产年份的年净收益额与技术方案投资的比率。投资收益率指标经济意义明确、直观，计算简便，在一定程度上反映了投资效果的优劣，可适用于各种投资规模。但不足的是没有考虑投资收益的时间因素，忽视了资金具有时间价值的重要性；指标的计算主观随意性太强，正常生产年份的选择比较困难，带有一定的不确定性和人为因素。

  • 第23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24题：

    问答题
    试简要阐述ISODATA对比K-MEANS的不同点。

    正确答案： 它与K－均值算法有两点不同，第一，它不是每调整一个样本的类别就重新计算一次各类样本的均值，而是在每次把所有样本都调整完毕之后才重新计算一次各类样本的均值，前者称为逐个样本修正法，后者称为成批样本修正法；第二，ISODATA算法不仅可以通过调整样本所属类别完成样本的聚类分析，而且可以自动地进行类别的“合并”和“分裂”，从而得到类数比较合理的聚类结果。
    解析： 暂无解析

相关内容