K- کا مطلب کلسٹرنگ کوئز

جب آپ کوئز دیتے ہیں تو جوابات اور وضاحتیں ظاہر ہوتی ہیں۔

1. K-Means میں 'K' سے کیا مراد ہے؟
   • کلسٹرز کی تعداد جو آپ پہلے سے منتخب کرتے ہیں۔
   • ڈیٹا پوائنٹس کی تعداد
   • تربیتی تکرار کی تعداد
   • ڈیٹا سیٹ میں خصوصیات کی تعداد
2. K-Means لوپ میں دہرائے جانے والے دو مراحل کیا ہیں؟
   • کلسٹرز کو تقسیم کریں، پھر کلسٹرز کو ضم کریں۔
   • پوائنٹس کو قریب ترین سینٹروڈ کو تفویض کریں، پھر سینٹرائڈز کو وسط میں منتقل کریں۔
   • ڈیٹا کو لیبل کریں، پھر درجہ بندی کرنے والے کو تربیت دیں۔
   • ڈیٹا کو ترتیب دیں، پھر آؤٹ لیرز کو ہٹا دیں۔
3. K-Means کس مقدار کو کم کرنے کی کوشش کرتا ہے؟
   • کلسٹرز کی تعداد
   • سینٹرائڈز کے درمیان فاصلہ
   • کلسٹر مربع فاصلے کے اندر (جڑتا)
   • خصوصیات کی تعداد
4. K-Means کو 'غیر زیر نگرانی' الگورتھم کیوں کہا جاتا ہے؟
   • 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. 'کہنی کا طریقہ' عام طور پر کس کے لیے استعمال ہوتا ہے؟
   • تربیت کو تیز کرنا
   • K کی اچھی قیمت کا انتخاب کرنا
   • سنٹرائڈز کو شروع کرنا
   • ڈپلیکیٹ پوائنٹس کو ہٹانا
6. K-Means مختلف رنز پر مختلف نتائج کیوں دے سکتے ہیں؟
   • 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