Python中，9//2的输出结果是（）9.0/2.0输出结果是（）。

划分聚类算法是一种简单的较为基本的重要聚类方法。它的主要思想是通过将数据点集分为（）个划分，并使用重复的控制策略使某个准则最优化，以达到最终的结果。

K-Means算法无法聚（）样本。

聚类是一种典型的无监督学习任务，然而在现实聚类任务中我们往往能获得一些额外的监督信息，于是可通过（）来利用监督信息以获得更好的聚类效果。

当不知道数据所带标签时，可以使用（）促使带同类标签的数据与带其他标签的数据相分离。

下列说法正确的是（）。

下列关于聚类挖掘技术的说法错误的是（）。

下列关于层次聚类算法的过程：①不断重复直到达到预设的聚类簇数；②不断合并距离最近的聚类簇；③对初始聚类簇和相应的距离矩阵初始化；④对合并得到的聚类簇进行更新。正确的执行顺序为（）。

K-means++算法选择初始seeds的基本思想就是初始的聚类中心之间的相互距离要尽可能的远。对以下步骤：①从输入的数据点集合中随机选择一个点作为第一个聚类中心；②对于数据集中的每一个点x，计算它与最近聚类中心（指已选择的聚类中心）的距离D（x）；③选择一个新的数据点作为新的聚类中心，选择的原则是D（x）较大的点，被选取作为聚类中心的概率较大；④重复②和③直到k个聚类中心被选出来；⑤利用这k个初始的聚类中心来运行标准的K-means算法。K-means++算法的正确流程为（）。

下列关于K均值与DBSCAN比较的说法不正确的是（）。

AGNES是一种采用（）策略的层次聚类算法。