Cuestionario vinculado a una guía · Medio Nivel

Prueba de agrupación espectral

Rastree la agrupación espectral desde el gráfico de afinidad hasta la incrustación laplaciana y examine cómo la construcción del gráfico y la asignación de etiquetas afectan a las agrupaciones.

Rutas de guía relacionadasAgrupación espectral
Pregunta 1 de 8

¿Qué representación construye comúnmente la agrupación espectral antes de calcular un laplaciano?

Vista previa de cada pregunta8 preguntas

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

  1. ¿Qué representación construye comúnmente la agrupación espectral antes de calcular un laplaciano?
    • A similarity or affinity graph
    • A decision tree of class labels
    • A density histogram with fixed bins
    • A linear regression residual matrix
  2. ¿Por qué la agrupación espectral puede ayudar con los datos de anillos anidados?
    • It turns rings into normally distributed classes automatically
    • Graph connectivity can represent non-convex groups beyond centroid partitions
    • It always selects two clusters without user input
    • It removes the need to define similarity
  3. ¿Qué papel juegan los vectores propios laplacianos seleccionados?
    • They set all pairwise distances to zero
    • They are the original class labels
    • They form an embedding used for subsequent cluster assignment
    • They estimate the number of observations
  4. ¿Qué puede pasar si un gráfico de afinidad es demasiado escaso?
    • All observations receive equal similarity
    • Every region becomes one connected component
    • The graph becomes an RBF kernel automatically
    • A true group may break into disconnected fragments
  5. ¿Por qué las etiquetas finales pueden variar incluso con la misma incrustación?
    • Eigenvectors contain the true semantic names
    • The label-assignment step has its own choices and initialization
    • Every labeling method is mathematically identical
    • The affinity matrix becomes asymmetric
  6. What does a graph degree represent in the Laplacian construction?
    • The coordinate's squared distance from zero
    • The number of clusters supplied
    • The sum of an observation's edge weights
    • The eigenvector's class probability
  7. How does an RBF kernel width affect graph affinities?
    • It changes the response variable's units
    • It sets the true number of clusters
    • It guarantees a connected graph
    • It controls how quickly similarity decreases with distance
  8. Why should a disconnected graph be examined before interpreting spectral labels?
    • The normalized-cut result may not match the intended connected-cluster interpretation
    • It proves all clusters are invalid
    • Disconnected graphs cannot have eigenvectors
    • It means every point has an identical affinity