K均值聚类必须事先确定要分多少类

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.使用K均值聚类方法，需要一开始设置聚类个数

B.K均值聚类适用于数据是连续型的场合

C.我们只能利用侧影统计量辅助决定K均值聚类个数的选择

D.变量个数越多，K均值聚类结果越好

A.在K均值聚类算法中，我们不必事先就确定聚类数目。

B.EM算法分为求取期望和期望最大化两个步骤。

C.在K均值聚类算法中，欧式距离与方差量纲相同。

D.在K均值聚类算法中，未达到迭代次数上限，迭代不会停止。

A.系统聚类法

B.模糊聚类法

C.K均值聚类法

D.分解法

E.加入法

A.K均值聚类一定能达到很好的聚类结果

B.K均值聚类的迭代次数越多，算法结果越稳定

C.当样本量较大时，可以利用K均值聚类方法

D.随机起点的设置不同，K均值聚类的结果一定相同

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.聚类结果受设定的聚类数k、初始聚类中心和样本的分布情况影响