下列关于有监督和无监督学习说法中不正确的是

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、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、在强化学习中，计算机通过不断与环境交互并通过环境反馈来逐渐适应环境

B、强化学习的概念是从Alphago战胜李世石之后才提出的

C、强化学习属于无监督学习的一种，不需要有监督信息

D、强化学习和有监督学习的过程相似，是“开环”的过程

A、聚类模型属于无监督学习

B、聚类模型的本质是寻找数据集内在的分布结构

C、经过聚类之后的数据集形成不同的簇，同簇的样本相似度低，簇间的样本相似度高

D、聚类模型作为独立的分析过程，通常不和其他数据分析任务结合叠加

A、对离群点很敏感

B、模型太复杂导致实际中应用较少

C、训练样本保持不变

D、自学习模型是一种无监督方法

A、聚类（clustering）是一种无监督学习（unsupervised learning）方法

B、有一些分类（classification）方法是无监督学习（unsupervised learning）

C、无监督学习（unsupervised learning）也称为聚类（clustering）

D、监督学习（supervised learning）也称为分类（classification）

A、有监督学习不需人工标注知识

B、有监督学习的最大问题：标注数据稀缺、昂贵

C、无监督学习更接近人类学习的过程

D、聚类算法属于无监督学习

A、对比散度算法是一种无监督学习算法

B、对比散度算法能够发现训练集中样本最关键的特征

C、对比散度算法能够使真实的样本特征分布和重构的样本特征分布之间的KL散度取得误差范围内的极小值。

D、深度信念网中多层受限玻尔兹曼机同时通过对比散度算法完成预训练

A、对比散度算法采用无监督学习规则

B、对比散度算法中隐层也被称为特征提取器

C、随机梯度下降法迭代修正权向量和偏置量一次就能取得较好结果

D、多层同时完成在玻尔兹曼机中的预训练