Cuestionario vinculado a una guía · Medio Nivel

Prueba de agrupación de K-medias

Practique asignaciones de K-Means, actualizaciones de centroides, inercia, inicialización y límites de forma de clúster con ejemplos de agrupación concretos.

Rutas de guía relacionadasK significa agrupación
Pregunta 1 de 8

¿A qué se refiere la 'K' en K-Means?

Vista previa de cada pregunta8 preguntas

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

  1. ¿A qué se refiere la 'K' en K-Means?
    • La cantidad de grupos que eliges de antemano.
    • El número de puntos de datos.
    • El número de iteraciones de entrenamiento.
    • El número de características en el conjunto de datos.
  2. ¿Cuáles son los dos pasos repetidos en el ciclo K-Means?
    • Dividir clústeres y luego fusionarlos
    • Asigne puntos al centroide más cercano, luego mueva los centroides a la media
    • Etiquetar datos y luego entrenar un clasificador
    • Ordene los datos y luego elimine los valores atípicos
  3. ¿Qué cantidad intenta minimizar K-Means?
    • El número de grupos
    • La distancia entre centroides
    • Distancia al cuadrado dentro del grupo (inercia)
    • El número de características
  4. ¿Por qué se llama a K-Means un algoritmo "no supervisado"?
    • 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
  5. ¿Para qué se utiliza habitualmente el 'método del codo'?
    • Acelerar el entrenamiento
    • Elegir un buen valor de K
    • Inicializando centroides
    • Eliminando puntos duplicados
  6. ¿Por qué K-Means puede dar resultados diferentes en diferentes ejecuciones?
    • 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
  7. 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
  8. 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