K-means的算法输出：聚类个数k, 以及包含n个数据对象的数据库。
举一反三
- K-Means聚类算法中的K表示（ ） A: 欧几里得距离 B: 样本个数 C: 聚类中心个数 D: 曼哈顿距离
- 练习：利用Sklearn库的K-means算法实现对鸢尾花数据的聚类（K值取2）
- K-Means聚类算法的优点有() A: 算法中聚类个数K是事先给定的，K的选定是非常难以估计的 B: 算法和结果都简单易懂 C: 对大数据集有较高的效率并且是可伸缩性的 D: 用K-Means聚类得到的
- 以下关于K均值聚类的说法，错误的是： 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
- K均值K－Means算法是密度聚类。()