ガイド連動クイズ · 中 レベル
K 平均法クラスタリングのクイズ
具体的なグループ化の例を使用して、K-Means の割り当て、重心の更新、慣性、初期化、およびクラスター形状の制限を練習します。
質問 1 の 8
K-Means の「K」は何を指しますか?
すべての質問をプレビューする8 質問
クイズに答えると、答えと解説が表示されます。
- K-Means の「K」は何を指しますか?
- 事前に選択したクラスターの数
- データポイントの数
- トレーニングの反復回数
- データセット内のフィーチャの数
- K-Means ループで繰り返される 2 つのステップは何ですか?
- クラスターを分割してからクラスターをマージする
- 最も近い重心に点を割り当ててから、重心を平均値に移動します
- データにラベルを付けて分類器をトレーニングする
- データを並べ替えて異常値を削除する
- K-Means はどの量を最小化しようとしますか?
- クラスターの数
- 重心間の距離
- クラスター内の二乗距離 (慣性)
- 特徴の数
- K 平均法が「教師なし」アルゴリズムと呼ばれるのはなぜですか?
- 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
- 「肘法」は何に一般的に使用されますか?
- トレーニングのスピードアップ
- 適切な K 値の選択
- 重心の初期化
- 重複ポイントの削除
- K 平均法が実行ごとに異なる結果をもたらすのはなぜですか?
- 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