Trí tuệ nhân tạo 2

Front

Giải thuật phân cụm K-means thuộc nhóm học máy nào:

Back

Học không giám sát

Front

Mục đích của thuật toán phân cụm K-means là để phân các điểm dữ liệu có tính chất

Back

giống nhau vào cùng 1 cụm

Front

Ở trường hợp này, điểm dữ liệu có giá trị 18 sẽ được gán vào cụm có center màu:

Back

Xanh nước biển

Front

Tìm lỗi sai trong câu sau:

Thuật toán phân cụm K-means sẽ dừng lại khi việc phân cụm __________ so với việc phân cụm ở lần trướ

Back

Không có sự thay đổi

Front

Sắp xếp thứ tự các bước thực hiện của thuật toán phân cụm K-means:

Back

• Chọn K điểm bất kỳ làm center ban đầu

• Tính khoảng cách của từng điểm dữ liệu tới các center
  -

• Gán từng điểm dữ liệu vào cluster có center gần nó nhất
  _

• Nếu việc gán dữ liệu vào từng cluster ở bước 3 không thay đổi so với vòng lặp trước nó thì ta dừng thuật toán
  -

• Cập nhật center cho từng cluster bằng cách lấy trung bình cộng của tất các các điểm dữ liệu đã được gán vào cluster đó sau bước 3
  -

• Quay lại bước 2

Front

Tại sao ở đây lần phân cụm thứ 2 là lựa chọn tốt nhất?

&
Điều gì xảy ra nếu mỗi cụm chỉ còn 1 điểm dữ liệu?

Back

Vì có tổng các biến thể nhỏ nhất.
&
Tổng các biến thể = 0

Front

Có ý kiến cho rằng: Việc lựa chọn số cụm càng nhiều (K càng cao) sẽ càng tốt do tổng các biến thể ngày càng nhỏ đi. Ý kiến trên là đúng hay sai?

Back

Sai

Front

Miền giá trị của y là

Back

Tập số thực dương.

Front

Giả thiết rằng giá nhà yy chỉ phụ thuộc vào số mét vuông xx của căn nhà thì hàm số nào sau biểu diễn mối quan hệ tuyến tính?
&
Giả thiết rằng giá nhà yy chỉ phụ thuộc vào số mét vuông xx của căn nhà thì hàm số nào sau biểu diễn mối quan hệ tuyến tính?
&
Đâu là dạng tổng quát biểu diễn sự phụ thuộc tuyến tính của biến yy vào biến xx?

Back

y=ax+by=ax+b
&
y=ax+by=ax+b
&

y=ax+b

Front

Đâu là hàm tuyến tính tổng quát biểu diễn quan hệ tuyến tính giá nhà yy với các đặc điểm của ngôi nhà: x1x1​ là số m2m2, x2x2​ số phòng, x3x3​ khoảng cách tới trung tâm?

Back

y=w0+w1x1+w2x2+w3x3y=w0​+w1​x1​+w2​x2​+w3​x3​