Quiz collegato alla guida · Medio Livello

Quiz sul clustering delle medie K

Esercitati con le assegnazioni delle medie K, gli aggiornamenti dei centroidi, l'inerzia, l'inizializzazione e i limiti della forma dei cluster con esempi concreti di raggruppamento.

Percorsi guida correlatiK significa clustering
Domanda 1 di 8

A cosa si riferisce la "K" in K-Means?

Anteprima di ogni domanda8 domande

Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.

  1. A cosa si riferisce la "K" in K-Means?
    • Il numero di cluster che scegli in anticipo
    • Il numero di punti dati
    • Il numero di iterazioni di formazione
    • Il numero di funzionalità nel set di dati
  2. Quali sono i due passaggi ripetitivi nel ciclo K-Means?
    • Dividi i cluster, quindi unisci i cluster
    • Assegnare i punti al centroide più vicino, quindi spostare i centroidi sulla media
    • Etichetta i dati, quindi addestra un classificatore
    • Ordinare i dati, quindi rimuovere i valori anomali
  3. Quale quantità K-Means cerca di minimizzare?
    • Il numero di cluster
    • La distanza tra i centroidi
    • Distanza quadrata all'interno del cluster (inerzia)
    • Il numero di funzionalità
  4. Perché K-Means è chiamato algoritmo "non supervisionato"?
    • 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. A cosa serve comunemente il "metodo del gomito"?
    • Accelerare la formazione
    • Scegliere un buon valore di K
    • Inizializzazione dei centroidi
    • Rimozione di punti duplicati
  6. Perché le medie K possono fornire risultati diversi su esecuzioni diverse?
    • 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