对于分类算法的表述不正确的是

Ⅰ 算法特征的描述中错误的是

对于算法描述的基本特征，不正确的是至少有1个输入、多则不限。

算法（Algorithm）是指解题方案的准确而完整的描述，是一系列解决问题的清晰指令，算法代表着用系统的方法描述解决问题的策略机制。

也就是说，能够对一定规范的输入，在有限时间内获得所要求的输出。如果一个算法有缺陷，或不适合于某个问题，执行这个算法将不会解决这个问题。

不同的算法可能用不同的时间、空间或效率来完成同样的任务。一个算法的优劣可以用空间复杂度与时间复杂度来衡量。一个算法必须具有：有穷性、确切性、输入项、输出项、可行性五个性质。

分类介绍：

算法可大致分为基本算法、数据结构的算法、数论与代数算法、计算几何的算法、图论的算法、动态规划以及数值分析、加密算法、排序算法、检索算法、随机化算法、并行算法，厄米变形模型，随机森林算法。

算法可以宏泛的分为三类：

一、有限的，确定性算法：这类算法在有限的一段时间内终止。他们可能要花很长时间来执行指定的任务，但仍将在一定的时间内终止。这类算法得出的结果常取决于输入值。

二、有限的，非确定算法：这类算法在有限的时间内终止。然而，对于一个（或一些）给定的数值，算法的结果并不是唯一的或确定的。

三、无限的算法：是那些由于没有定义终止定义条件，或定义的条件无法由输入的数据满足而不终止运行的算法。通常，无限算法的产生是由于未能确定的定义终止条件。

Ⅱ 机器学习中分类与聚类的本质区别

1. 在机器学习中，存在着两大问题：分类与聚类。这两个概念在日常生活中被人们常常混淆，人们常认为聚类就是分类，分类也就是聚类。
2. 分类的定义有多种表述，但核心意思一致。分类（classification）是指通过学习过程，得到一个目标函数f，将每个属性集x映射到预先定义的类标号y中。分类是基于已知类别标号的样本，通过监督学习训练出一种学习机器（即目标函数f），以达到对未知类别标号的样本进行分类的目的。
3. 分类算法的局限性在于，它是一种监督学习方法，要求在训练阶段就必须明确知道各个类别的信息，并且假定所有待分类项都有一个类别与之对应。然而，在处理大量数据时，如果需要通过预处理来满足分类算法的要求，代价将会非常大。这时，可以选择使用聚类算法。
4. 聚类（clustering）是指在没有事先知道样本的类别标号的情况下，通过某种算法将一组未知类别的样本划分成若干类别。聚类的目标是使组内的对象相互之间尽可能相似，而不同组间的对象尽可能不同。
5. 分类与聚类的比较表明，聚类分析是在没有训练的情况下研究如何将样本划分为若干类的问题。在分类中，已知目标数据库中存在哪些类，需要做的是将每一条记录分别归入相应的类别。
6. 聚类需要解决的问题是在不知道目标数据库有多少类的情况下，将所有记录组成不同的聚类，使得在某种度量（如距离）为标准的相似性最小化组内差异，最大化组间差异。
7. 分类学习依赖预先定义的类别或带类标记的训练实例，而聚类学习算法需要自动确定标记。例如，SVM（支持向量机）是一种分类算法，属于监督学习；而二分K均值算法是一种聚类算法，属于无监督学习。
8. 在数据挖掘中，如果不附加任何条件地使用“分类”这一术语，通常是指监督分类。因此，SVM与二分K均值算法的区别之一在于，SVM是一种监督分类算法，而二分K均值算法是一种非监督分类算法。

Ⅲ 关于密码体制的分类，以下说法不正确的是（）。

【答案】：B
选项A)，按明文到密文的转换操作可分为：置换密码和代换密码；选项B)，对称密码方案有5个基本成分：明文、加密算法、密钥、密文和解密算法：选项C)，按密钥的使用个数可分为：对称密码体制和非对称密码体制；选项D)，按明文密文映射顺序可分为：加密算法和解密算法。