在K-均值算法中，以下哪些方法可以用于随机种子的选择？
A: 随机选择数据作为中心
B: 空间中的随机位置作为中心
C: 尝试多个初始起点
D: 使用另一个聚类方法的结果进行初始化
A: 随机选择数据作为中心
B: 空间中的随机位置作为中心
C: 尝试多个初始起点
D: 使用另一个聚类方法的结果进行初始化
举一反三
- 中国大学MOOC: 在K-均值算法中，以下哪些方法可以用于随机种子的选择？
- K均值聚类中，初始聚类中心的选择方法为？
- 假定要聚4类，K-均值算法的初始类中心如何确定？ A: 可以根据背景知识自行指定4个与样本点同维的向量做初始类中心 B: 可以随机生成4个与样本点同维的向量做初始类中心 C: 指定4个数做初始类中心 D: 随机生成4个数做初始类中心
- K-Means聚类算法步骤包括 A: 随机选择K个样本作为初始中心。 B: 把每个样本指派到最近的中心，形成K个簇类。 C: 重新计算每个簇的中心。 D: 一直迭代直到簇中心不再发生变化为止。
- 关于K-means聚类算法说法正确的是（） A: 对大数据集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。