描述K-means聚类算法的基本原理,并举例说明其在实际问题中的应用。相关知识点: 试题来源: 解析 答案:K-means聚类算法是一种基于距离的聚类方法,其目标是将数据点划分到K个簇中,使得每个数据点与其所属簇的中心点的距离之和最小。例如,在市场细分中,K-means聚类可以用来将客户根据购买行为划分为不同的群体。
以下有关KMeans聚类和KNN分类算法,描述准确的是_。A.KMeans聚类和KNN分类算法中使用的距离公式是不一样的B.KMeans聚类和KNN分类都是有监督学习算法
以下对于k-means算法描述错误的是:A.k-means算法不断更新簇的均值B.簇相似度计算基于距离度量C.聚类中心的数量需要事先设定D.迭代计算簇间的联通性
关于k-means聚类算法,以下说法错误的是 A、对大数据及有较高的效率并且具有可伸缩性 B、是一种无监督学习方法 C、k值无法自动获取,初始聚类中心随机选择 D、初始聚类中心的选择对聚类结果影响不大