가이드 연계 퀴즈 · 중간 레벨
K-평균 클러스터링 퀴즈
구체적인 그룹화 예제를 통해 K-평균 할당, 중심 업데이트, 관성, 초기화 및 클러스터 모양 제한을 연습합니다.
질문 1 의 8
K-Means에서 'K'는 무엇을 의미하나요?
모든 질문 미리보기8 질문
퀴즈를 풀면 정답과 설명이 나타납니다.
- K-Means에서 'K'는 무엇을 의미하나요?
- 미리 선택한 클러스터 수
- 데이터 포인트 수
- 훈련 반복 횟수
- 데이터 세트의 기능 수
- K-Means 루프에서 두 개의 반복 단계는 무엇입니까?
- 클러스터 분할 후 클러스터 병합
- 가장 가까운 중심에 점을 할당한 다음 중심을 평균으로 이동합니다.
- 데이터에 레이블을 지정한 다음 분류기를 훈련시킵니다.
- 데이터를 정렬한 후 이상값 제거
- K-Means는 어떤 수량을 최소화하려고 합니까?
- 클러스터 수
- 중심 사이의 거리
- 클러스터 내 제곱 거리(관성)
- 기능의 수
- K-Means를 '비지도' 알고리즘이라고 부르는 이유는 무엇입니까?
- 사전 정의된 클래스 레이블을 사용하여 경계를 학습합니다.
- 초기 중심당 하나의 레이블이 필요합니다.
- 지도 학습 후에만 라벨을 추정합니다.
- 대상 클래스 레이블 없이 입력을 그룹화합니다.
- 흔히 사용하는 '팔꿈치법'은 무엇인가요?
- 훈련 속도 향상
- K의 좋은 값 선택
- 중심 초기화 중
- 중복 포인트 제거
- K-평균이 실행마다 다른 결과를 제공할 수 있는 이유는 무엇입니까?
- K는 실행될 때마다 자동으로 변경됩니다.
- 유클리드 거리는 무작위 정의를 사용합니다.
- 결과는 초기 중심 위치에 따라 달라집니다.
- 수렴은 항상 동일한 전역 최적을 생성합니다.
- K-평균 클러스터에는 1차원 값 2, 4, 9가 포함되어 있습니다. 업데이트 단계에서 중심은 어디로 이동합니까?
- 5, 할당된 값의 평균
- 4, 중간 관찰값
- 9, 가장 큰 할당값
- 15, 할당된 값의 합계
- 데이터 세트에는 두 개의 긴 곡선 그룹이 포함되어 있습니다. 분석가는 어떤 K-Means 제한을 고려해야 합니까?
- 클러스터링하기 전에 그룹에 라벨이 있어야 합니다.
- K-Means는 항상 곡선 경계를 정확하게 발견합니다.
- Changing K guarantees the intended grouping
- Euclidean distance to centroids can poorly represent elongated or non-spherical groups