在人工智能训练的模型训练阶段，需要在新的数据上达到理想的评估指标。

能够测定变量之间相关关系密切程度的主要方法是（ ）

变量之间的相关关系按其形式可分为（ ）

两个随机变量之间线性依赖关系的程度高，则相关系数（ ）

两个随机变量之间线性依赖关系的程度越低，则相关系数（ ）

相关系数的取值范围是（ ）

下面对基于质心的K均值聚类分析算法和基于分布的期望最大化聚类分析算法的描述，哪些是不正确的？① 都从随机初始化开始 ②都是可迭代算法 ③ 两者对数据点的假设很强 ④都对异常值敏感 ⑤ 期望最大化算法是K均值的特殊情况 ⑥ 都需要对所需要的簇数有先验知识 ⑦结果是不可再现的

一般来说，聚类分析过程包括（ ）① 数据准备 ②特征选择 ③ 特征提取 ④ 聚类分组 ⑤ 结果评估

执行聚类分析时，对聚类对象最少要有多少个变量或属性（ ）

可以用下面哪一种方法来获得和全局最小值有关的K均值算法的良好结果( ) ① 试着运行不同的质心初始化算法 ② 调整迭代的次数 ③ 找出最佳的簇数

关于K均值聚类的描述正确的是（ ）① K均值对簇中心初始化非常敏感 ② 初始化不良会导致收敛速度差 ③ 初始化不良可能导致整体聚集不良