對於分類演算法的表述不正確的是

Ⅰ 演算法特徵的描述中錯誤的是

對於演算法描述的基本特徵，不正確的是至少有1個輸入、多則不限。

演算法（Algorithm）是指解題方案的准確而完整的描述，是一系列解決問題的清晰指令，演算法代表著用系統的方法描述解決問題的策略機制。

也就是說，能夠對一定規范的輸入，在有限時間內獲得所要求的輸出。如果一個演算法有缺陷，或不適合於某個問題，執行這個演算法將不會解決這個問題。

不同的演算法可能用不同的時間、空間或效率來完成同樣的任務。一個演算法的優劣可以用空間復雜度與時間復雜度來衡量。一個演算法必須具有：有窮性、確切性、輸入項、輸出項、可行性五個性質。

分類介紹：

演算法可大致分為基本演算法、數據結構的演算法、數論與代數演算法、計算幾何的演算法、圖論的演算法、動態規劃以及數值分析、加密演算法、排序演算法、檢索演算法、隨機化演算法、並行演算法，厄米變形模型，隨機森林演算法。

演算法可以宏泛的分為三類：

一、有限的，確定性演算法：這類演算法在有限的一段時間內終止。他們可能要花很長時間來執行指定的任務，但仍將在一定的時間內終止。這類演算法得出的結果常取決於輸入值。

二、有限的，非確定演算法：這類演算法在有限的時間內終止。然而，對於一個（或一些）給定的數值，演算法的結果並不是唯一的或確定的。

三、無限的演算法：是那些由於沒有定義終止定義條件，或定義的條件無法由輸入的數據滿足而不終止運行的演算法。通常，無限演算法的產生是由於未能確定的定義終止條件。

Ⅱ 機器學習中分類與聚類的本質區別

1. 在機器學習中，存在著兩大問題：分類與聚類。這兩個概念在日常生活中被人們常常混淆，人們常認為聚類就是分類，分類也就是聚類。
2. 分類的定義有多種表述，但核心意思一致。分類（classification）是指通過學習過程，得到一個目標函數f，將每個屬性集x映射到預先定義的類標號y中。分類是基於已知類別標號的樣本，通過監督學習訓練出一種學習機器（即目標函數f），以達到對未知類別標號的樣本進行分類的目的。
3. 分類演算法的局限性在於，它是一種監督學習方法，要求在訓練階段就必須明確知道各個類別的信息，並且假定所有待分類項都有一個類別與之對應。然而，在處理大量數據時，如果需要通過預處理來滿足分類演算法的要求，代價將會非常大。這時，可以選擇使用聚類演算法。
4. 聚類（clustering）是指在沒有事先知道樣本的類別標號的情況下，通過某種演算法將一組未知類別的樣本劃分成若干類別。聚類的目標是使組內的對象相互之間盡可能相似，而不同組間的對象盡可能不同。
5. 分類與聚類的比較表明，聚類分析是在沒有訓練的情況下研究如何將樣本劃分為若干類的問題。在分類中，已知目標資料庫中存在哪些類，需要做的是將每一條記錄分別歸入相應的類別。
6. 聚類需要解決的問題是在不知道目標資料庫有多少類的情況下，將所有記錄組成不同的聚類，使得在某種度量（如距離）為標準的相似性最小化組內差異，最大化組間差異。
7. 分類學習依賴預先定義的類別或帶類標記的訓練實例，而聚類學習演算法需要自動確定標記。例如，SVM（支持向量機）是一種分類演算法，屬於監督學習；而二分K均值演算法是一種聚類演算法，屬於無監督學習。
8. 在數據挖掘中，如果不附加任何條件地使用「分類」這一術語，通常是指監督分類。因此，SVM與二分K均值演算法的區別之一在於，SVM是一種監督分類演算法，而二分K均值演算法是一種非監督分類演算法。

Ⅲ 關於密碼體制的分類，以下說法不正確的是（）。

【答案】：B
選項A)，按明文到密文的轉換操作可分為：置換密碼和代換密碼；選項B)，對稱密碼方案有5個基本成分：明文、加密演算法、密鑰、密文和解密演算法：選項C)，按密鑰的使用個數可分為：對稱密碼體制和非對稱密碼體制；選項D)，按明文密文映射順序可分為：加密演算法和解密演算法。