Quiz połączony z przewodnikiem · Średni Poziom

Quiz dotyczący grupowania K-średnich

Przećwicz przypisywanie K-średnich, aktualizacje centroidów, bezwładność, inicjalizację i ograniczenia kształtu klastrów, korzystając z konkretnych przykładów grupowania.

Powiązane ścieżki prowadząceK oznacza grupowanie
Pytanie 1 z 8

Do czego odnosi się litera „K” w K-średnich?

Podgląd każdego pytania8 pytania

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

  1. Do czego odnosi się litera „K” w K-średnich?
    • Liczba klastrów, które wybierasz z góry
    • Liczba punktów danych
    • Liczba iteracji szkoleniowych
    • Liczba obiektów w zbiorze danych
  2. Jakie są dwa powtarzające się kroki w pętli K-średnich?
    • Podziel klastry, a następnie scal klastry
    • Przypisz punkty do najbliższej centroidy, a następnie przesuń centroidy do średniej
    • Oznacz dane etykietą, a następnie wytrenuj klasyfikator
    • Posortuj dane, a następnie usuń wartości odstające
  3. Jaką wielkość K-średnie próbuje zminimalizować?
    • Liczba klastrów
    • Odległość między centroidami
    • Kwadrat odległości wewnątrz klastra (bezwładność)
    • Liczba funkcji
  4. Dlaczego K-średnie nazywane są algorytmem „nienadzorowanym”?
    • 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. Do czego powszechnie stosuje się metodę łokcia?
    • Przyspieszenie treningu
    • Wybór dobrej wartości K
    • Inicjowanie centroidów
    • Usuwanie zduplikowanych punktów
  6. Dlaczego K-średnie mogą dawać różne wyniki w różnych seriach?
    • 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