下列有关无监督学习的描述中错误的是（）：

A、无标签

B、核心是聚类

C、不需要降维

D、具有很好的解释性

A、监督学习是对有标签数据集进行学习

B、监督学习可以分为回归和分类

C、在回归问题中，预测的是一个连续值

D、聚类是一种典型的监督学习

A、有监督学习是从有正确答案的样本集合中学习，即每个样本的分类标签（classification label）或者目标值（target value）已知

B、无监督学习的训练学习过程中也利用到了每个样本的分类标签（classification label）或者目标值（target value）

C、有监督学习中样本的ground truth指的是每个样本的真实分类标签（classification label）或者真实目标值（target value）

D、为了获得有监督学习中样本的真实分类标签（classification label）或者真实目标值（target value），某些情况下，可以采用人工专家标注的方法获得

A、有标签

B、核心是分类

C、所有数据都相互独立分布

D、分类原因不透明

A、有监督学习要用到数据样本的类别标签，因此样本数据通常带有类别标签

B、无监督学习在训练过程中也要用到数据样本的类别标签，因此样本数据通常带有类别标签

C、有监督学习需要训练，并更新参数

D、无监督学习通常也需要训练和更新参数

A、聚类算法无需事先指定聚类的数目，而是根据训练数据迭代得到

B、无监督学习中不需要人工标注知识

C、K-means算法与K近邻算法中最初选择的K个点会影响最终结果

D、有效的距离计算方法能够提高K-means算法的精确度

A、有监督学习有明确的学习目标，而无监督学习没有

B、K近邻算法中无需对训练数据进行训练

C、有监督学习训练数据的获得需要专业人士进行标注

D、无监督学习与有监督学习相比更加接近人类学习的过程

A、聚类算法中最终的类别之间可能有少量样本的交叉

B、K-means算法中可以随机划分样本为K堆，以K堆的平均重心作为初始的K个点

C、自动编码器包含“编码”和“解码”两部分

D、自动编码器可以用于图像抗噪和数据降维

A、聚类算法中，同一类别内部样本的相似度较低

B、自动编码器常应用于图像抗噪和数据降维

C、聚类算法中，不同类别之间样本不交叉

D、与有监督学习相比，无监督学习更接近人类学习的过程

A.k-means

B.SVM

C.最大熵

D.CRF