以下哪些是常见的分类方法？（）

分类是预测数据对象的离散类别，预测是用于数据对象的连续取值

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。

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

回归分析法属于外推法

在基本K均值算法里,当邻近度函数采用曼哈顿距离的时候,合适的质心是簇中各点的中位数

通过聚集多个分类器的预测来提高分类准确率的技术称为聚集(aggregate)

如果允许一条记录触发多条分类规则,把每条被触发规则的后件看作是对相应类的一次投票,然后计票确定测试记录的类标号,称为无序规则

可用作数据挖掘分析中的关联规则算法有Apriori算法、FP-Tree算法、K均值法、SOM神经网络

冗余属性不会对决策树的准确率造成不利的影响

决策树中不包含外部结点