A.NaiveBayes朴素贝叶斯算法
B.Pearson趋势关联分析+K-means自学习聚类
C.基于PNN的神经网络算法
D.k均值聚类算法
A.K均值丢弃被它识别为噪声的对象,而DBSCAN一般聚类所有对象
B.K均值使用簇的基本原型概念,而DBSCAN使用基于密度的概念
C.K均值很难处理非球形的簇和不同大小的簇,DBSCAN可以处理不同大小和不同形状的簇
D.K均值可以发现不是明显分离的簇,即便簇有重叠也可以发现,但DBSCAN会合并有重叠的簇
A.当簇只包含少量数据点,或者数据点近似协线性时,混合模型也能很好地处理。
B.混合模型比K均值或模糊c均值更一般,因为它可以使用各种类型的分布。
C.混合模型很难发现不同大小和椭球形状的簇。
D.混合模型在有噪声和离群点时不会存在问题