聚类算法有哪些，优缺点是什么？
基于层次的聚类
做法是将每个对象都看做一个类，计算两两之间距离最小的对象归为一类，然后重复这样的操作直至成为一个类，这种方式是采用贪心的方法，一步错步步错，时间复杂度过高，可解释性比较好
基于划分的聚类（k-Means）
原则是保证簇内的数据距离尽可能小，簇间的距离尽可能大，做法是确定需要划分的k的类别数，然后选择初始点，计算所有点到这些点的距离，将距离最近的点划为一簇，然后计算每一簇的平均值当做新的中心点，重复这样的过程直至最后收敛，优点在于时间空间复杂度都不高，但是对于k比较敏感，容易陷入局部最优解
- 基于密度的聚类（DBSCAN）
k-means聚类解决不了不规则形状的聚类，而基于密度的聚类可以解决，并对于噪声点比较有效，能发现任意形状的聚类，但是聚类的结果和参数关系很大
- 基于网络的聚类
原理是将数据空间划分成网格，计算每个网格中的数据密度，将相邻的高密度网格划为一簇，优点就是划分速度很快，因为是按照网格划分的，和数据点个数没有关系，所以对数据个数不敏感，但是却是以牺牲精度作为代价来实现的
- 基于模型的聚类 (SOM)
原理是为每一簇拟定一个概率模型，主要是基于概率模型和神经网络模型的方法，假定随机选择的数据服从某种分布，找到获胜单元，然后调整获胜单元周围的向量向其靠拢，最后形成簇，优点是分成簇没有那么硬，分类比较柔和，是以概率的形式表示的，缺点是执行效率不高，当数据较多较复杂时很慢
- 基于模糊的聚类（FCM）
原理来自于模糊集合论，使用隶属度来确定每个数据属于哪一类的，不断迭代隶属矩阵直至收敛来确定类别，算法对满足正态分布的数据具有很好的效果，缺点是算法的性能依赖于初始簇心，不能保证收敛于一个最优解
-
主要内容：Python的优点,Python 的缺点Python 是一种开源的解释型脚本编程语言，它之所以非常流行，主要有三点原因： Python 简单易用，学习成本低，看起来非常优雅干净； Python 标准库和第三库众多，功能强大，既可以开发小工具，也可以开发企业级应用； Python 站在了人工智能和大数据的风口上，站在风口上，猪都能飞起来。 举个简单的例子来说明一下 Python 的简单： 比如要实现某个功能，C语言可能需要 100 行代码
-
本文向大家介绍为什么用Nodejs,它有哪些优缺点？相关面试题，主要包含被问及为什么用Nodejs,它有哪些优缺点？时的应答技巧和注意事项，需要的朋友参考一下 Nodejs的优点 事件驱动，通过闭包很容易实现客户端的生命活期。 不用担心多线程，锁，并行计算的问题 V8引擎速度非常快 对于游戏来说，写一遍游戏逻辑代码，前端后端通用 当然Nodejs也有一些缺点： nodejs更新很快，可能会出现版本
-
本文向大家介绍iframe框架都有哪些优缺点？相关面试题，主要包含被问及iframe框架都有哪些优缺点？时的应答技巧和注意事项，需要的朋友参考一下 优点： 可以实现异步刷新，单个 刷新不影响整体窗口的刷新（可以实现无刷新上传，在 无法使用时） 可以实现跨域，每个 的源都可以不相同（方便引入第三方内容） 多页面应用时，对于共同的 , 可以使用 加载，拆分代码（导航栏的应用） 缺点： 每一个 都对应着
-
本文向大家介绍相似度的计算方法了解哪些，各自的优缺点是什么？ 相关面试题，主要包含被问及相似度的计算方法了解哪些，各自的优缺点是什么？ 时的应答技巧和注意事项，需要的朋友参考一下 1.皮尔逊相关系数 反映的是两个变量之间的线性相关性，它的一个缺点是针对用户之间只有一个共同的评分项不能进行比较，另外没有考虑重叠的评分项数量对相似度的影响 2.欧几里得距离 描述两个变量之间的直线距离，当两个变量至少有
-
本文向大家介绍高阶组件(HOC)有哪些优点和缺点？相关面试题，主要包含被问及高阶组件(HOC)有哪些优点和缺点？时的应答技巧和注意事项，需要的朋友参考一下 HOC 优点 通过传递props去影响内层组件的状态，不直接改变内层组件的状态，降低了耦合度 缺点 组件多层嵌套， 增加复杂度与理解成本 ref隔断， React.forwardRef 来解决 高阶组件多层嵌套，相同命名的props会覆盖老属性
-
1、Spring Boot简介 基于Spring4.0设计，不仅继承了Spring框架原有的优秀特性，而且还通过简化配置来进一步简化spring应用的整个搭建和开发过程。另外SpringBoot通过集成大量的框架使得依赖包的版本冲突、引用的不稳定性得到了解决。 2、Spring Boot 有哪些优点？ 快速构建项目，可以选一些必要的组件； 对主流框架的无配置集成； 内嵌Tomcat容器，项目可独立