高斯混合聚类（GMM）和K-means其实十分相似，区别仅仅在于对GMM来说，引入了概率。
举一反三
- 下面哪些关于K-means和GMM两种聚类算法的说法是正确的？（ ） A: K-means属于无监督学习，GMM属于半监督学习。 B: 由于协方差为单位矩阵，故K-means聚类的形状是圆形的，而GMM是椭圆型的。 C: K-means属于hard Clustering，GMM属于soft Clustering D: K-means每个点只分配到一个类，而GMM可以分配到多个类中。
- 关于K-means 和高斯混合模型（GMM），下列说法正确的是（ ）
- 下面属于聚类算法的有（ ） A: K-Means B: 均值偏移聚类算法 C: DBSCAN聚类算法 D: 使用高斯混合模型（GMM）的期望最大化（EM）聚类
- 关于基于高斯混合模型（GMM）的聚类描述哪项是正确的？（ ） A: 模型初始化时每一个点会被认为是一个单独的群 B: 基于高斯混合模型的聚类属于软聚类 C: 每个点只会分配到一个类中，并计算分配这个点的概率 D: GMM会学习出一个概率分配函数
- GMM和K-means的唯一区别在于是否利用了后验概率去实现数据的软划分