A.K均值丟棄被它識(shí)別為噪聲的對(duì)象,而DBSCAN一般聚類所有對(duì)象 B.K均值使用簇的基于原型的概念,而DBSCAN使用基于密度的概念 C.K均值很難處理非球形的簇和不同大小的簇,DBSCAN可以處理不同大小和不同形狀的簇 D.K均值可以發(fā)現(xiàn)不是明顯分離的簇,即便簇有重疊也可以發(fā)現(xiàn),但是DBSCAN會(huì)合并有重疊的簇
A.當(dāng)簇只包含少量數(shù)據(jù)點(diǎn),或者數(shù)據(jù)點(diǎn)近似協(xié)線性時(shí),混合模型也能很好地處理 B.混合模型比K均值或模糊C均值更一般,因?yàn)樗梢允褂酶鞣N類型的分布 C.混合模型很難發(fā)現(xiàn)不同大小和橢球形狀的簇 D.混合模型在有噪聲和離群點(diǎn)時(shí)不會(huì)存在問題
A.它使用具體的訓(xùn)練實(shí)例進(jìn)行預(yù)測(cè),不必維護(hù)源自數(shù)據(jù)的模型 B.分類一個(gè)測(cè)試樣例開銷很大 C.最近鄰分類器基于全局信息進(jìn)行預(yù)測(cè) D.可以生產(chǎn)任意形狀的決策邊界