违法和不良信息举报 联系客服
免费注册 登录

在K-Means聚类分析中，初始聚点的选择方法有（）.

题目

在K-Means聚类分析中，初始聚点的选择方法有（）.

  • A、根据经验选择
  • B、随机选择
  • C、将全部样本人为地或者随机的进行划分，以每类的重心为聚点
  • D、以上都可以
参考答案和解析
正确答案:D
如果没有搜索结果或未解决您的问题，请直接 联系老师 获取答案。
相似问题和答案

第1题：

常用的聚类方法有样品聚类法、系统聚类法和（ ）

A、B两选项暂时没有

C．回归聚类分析

D．平共处模糊聚类法


正确答案：D

第2题：

系统聚类分析法中，当“聚类”结束后，每一类中选择代表指标的依据是（ ）。


正确答案：ABE

第3题：

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


正确答案:A,B

第4题：

聚类分析是常用商情分析工具中的一种，常用的聚类分析方法有（）。

  • A、样品聚类法
  • B、系统聚类法
  • C、抽查聚类法
  • D、模糊聚类法
  • E、相关聚类法

正确答案:A,B,D

第5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6题：

以下对k-means聚类算法解释正确的是()

A.能自动识别类的个数,随即挑选初始点为中心点计算

B.能自动识别类的个数,不是随即挑选初始点为中心点计算

C.不能自动识别类的个数,随即挑选初始点为中心点计算

D.不能自动识别类的个数,不是随即挑选初始点为中心点计算


正确答案：C

第7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8题：

在非监督分类中,初始类别参数的选择方法有()、()、()、()


参考答案：光谱特征比较法、直方图法、最大最小距离法、局部直方图降值法

第9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10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

更多相关问题
相关内容