Rehber bağlantılı sınav · Orta Seviye

K-Means Kümeleme Testi

Somut gruplama örnekleriyle K-Means atamalarını, ağırlık merkezi güncellemelerini, eylemsizliği, başlatmayı ve küme şekli sınırlarını uygulayın.

İlgili kılavuz yollarıK Kümeleme Anlamına Gelir
Soru 1 arasında 8

K-Means'teki 'K' neyi ifade eder?

Her soruyu önizleyin8 sorular

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

  1. K-Means'teki 'K' neyi ifade eder?
    • Önceden seçtiğiniz küme sayısı
    • Veri noktalarının sayısı
    • Eğitim yinelemelerinin sayısı
    • Veri kümesindeki özellik sayısı
  2. K-Means döngüsünde tekrar eden iki adım nedir?
    • Kümeleri bölün, ardından kümeleri birleştirin
    • Noktaları en yakın merkez noktasına atayın, ardından ağırlık merkezlerini ortalamaya taşıyın
    • Verileri etiketleyin ve ardından bir sınıflandırıcıyı eğitin
    • Verileri sıralayın ve aykırı değerleri kaldırın
  3. K-Means hangi miktarı en aza indirmeye çalışıyor?
    • Küme sayısı
    • Merkezler arasındaki mesafe
    • Küme içi kare mesafe (atalet)
    • Özellik sayısı
  4. K-Means'e neden 'denetlenmeyen' algoritma deniyor?
    • 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. 'Dirsek yöntemi' yaygın olarak ne için kullanılır?
    • Eğitimin hızlandırılması
    • İyi bir K değeri seçmek
    • Merkez noktaları başlatılıyor
    • Yinelenen noktaları kaldırma
  6. K-Means neden farklı çalıştırmalarda farklı sonuçlar verebilir?
    • 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