K均值聚类算法的输入包括（）。

A.聚类个数K

B.方差

C.n个数据对象

D.初始中心

A.该算法不适合分布式并行化

B.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

C.算法的复杂度是非线性的,随着数据量的增长呈指数级增长

D.只适用于连续数值型输入变量

A.数据集中包含符号属性时，直接应用K均值聚类算法是有问题的 Y

B.用户事先需要制定K的个数 Y

C.对噪声和孤立点数据比较敏感

D.少量的敏感数据能够对聚类均值起到很大的影响

A.数据集中包含符号属性时，直接应用K均值聚类算法是有问题的

B.用户事先需要制定K的个数

C.对噪声和孤立点数据比较敏感

D.少量的敏感数据能够对聚类均值起到很大的影响

A.系统聚类

B.K均值聚类

C.线性聚类

D.DBSCAN

A.k均值算法采用误差和准则函数，其聚类目标是使准则函数值最小

B.理论上可以证明，k均值聚类算法是收敛的

C.k均值算法的聚类结果虽然收敛但不确定

D.初始聚类中心和样本的分布情况影响

A.k均值算法采用误差和准则函数，其聚类目标是使准则函数值最小

B.理论上可以证明，k均值聚类算法是收敛的

C.k均值算法的聚类结果虽然收敛但不确定

D.初始聚类中心和样本的分布情况影响

A.需要事先确定聚类数目

B.需要初始化聚类质心

C.算法迭代执行

D.K均值聚类是无监督聚类

A.K均值

B.DBSCAN

C.Apriori

D.Jarvis-Patrick(JP)

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。()