这系列的题目来源于周晓飞老师期末发的题库，自留做复习用的🎉 🎉 🎉 加油加油！

目录

计算题13简答题3单选题82单选题58多选题19简答题22

知识点可以参考这篇博客：【一起入门MachineLearning】中科院机器学习第*课-聚类算法：K均值（K-means）

计算题13

不想计算距离的话直接画图会更加快。

简答题3

单选题82

这个题目的计算方法和上两个题一样，不再赘述。

单选题58

k均值会受到初始值和离群点的影响，导致每次的分类结果不稳定，B正确。k均值比较高效，时间复杂度接近线性，C错误。可以采用核函数的方法对k均值算法进行调优，D错误。

多选题19

相似性度量也就是计算距离的方式。相似性度量，初始聚类，离群点都会影响分类结果，答案选择BC

简答题22

22.K均值算法的优缺点是什么，如何对其调优。

缺点：

受初值和离群点的影响每次的结果不稳定结果通常不是全局最优而是局部最优解无法很好地解决数据簇分布差别比较大的情况不太适用于离散分类

优点：

对于大数据集，相对高效 ，计算复杂度是 O(NKt) 接近于线性，其中N是数据对象的数目，K是聚类的簇数，t

是迭代的轮数。

调优方法：

数据归一化离群点预处理采用核函数合理选择K值。

【一起入门MachineLearning】中科院机器学习-期末题库-【计算题13+简答题3 22+单选题58 82+多选题19】