Kvíz spojený s průvodcem · Střední úroveň
K-Means kvíz o shlukování
Procvičte si přiřazení K-Means, aktualizace těžiště, setrvačnost, inicializaci a limity tvaru clusteru s konkrétními příklady seskupení.
Otázka 1 z 8
Co znamená „K“ v K-Means?
Náhled každé otázky8 otázky
Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.
- Co znamená „K“ v K-Means?
- Počet clusterů, které si předem vyberete
- Počet datových bodů
- Počet iterací tréninku
- Počet funkcí v datové sadě
- Jaké jsou dva opakující se kroky ve smyčce K-Means?
- Rozdělte clustery a poté sloučte clustery
- Přiřaďte body nejbližšímu těžišti a poté přesuňte těžiště ke středu
- Označte data a poté natrénujte klasifikátor
- Seřaďte data a poté odstraňte odlehlé hodnoty
- Jaké množství se K-Means snaží minimalizovat?
- Počet shluků
- Vzdálenost mezi centroidy
- Kvadratická vzdálenost uvnitř seskupení (setrvačnost)
- Počet funkcí
- Proč se K-Means nazývá „bez dozoru“ algoritmus?
- It uses predefined class labels to learn a boundary
- It requires one label per initial centroid
- It estimates labels only after supervised training
- It groups inputs without target class labels
- K čemu se běžně používá „metoda loktů“?
- Urychlení tréninku
- Výběr dobré hodnoty K
- Inicializace centroidů
- Odstranění duplicitních bodů
- Proč může K-Means poskytovat různé výsledky na různých bězích?
- K automatically changes on every run
- Euclidean distance uses a random definition
- Results depend on initial centroid positions
- Convergence always produces the same global optimum
- A K-Means cluster contains the one-dimensional values 2, 4, and 9. Where does its centroid move in the update step?
- 5, the mean of the assigned values
- 4, the middle observed value
- 9, the largest assigned value
- 15, the sum of the assigned values
- A dataset contains two long, curved groups. Which K-Means limitation should the analyst consider?
- The groups must have labels before clustering
- K-Means always discovers curved boundaries exactly
- Changing K guarantees the intended grouping
- Euclidean distance to centroids can poorly represent elongated or non-spherical groups