Quiz - AIML5 - Day 8

Apa yang dimaksud dengan 'Unsupervised Learning'?

• Metode machine learning yang menggunakan label untuk melatih model

• Metode machine learning tanpa penggunaan label pada data

• Proses prediksi data berdasarkan data masa lalu

• Metode yang hanya berfokus pada klasifikasi

Apa perbedaan utama antara Supervised dan Unsupervised Learning?

• Supervised menggunakan data berlabel, sedangkan Unsupervised tidak

• Supervised tidak memerlukan model, sedangkan Unsupervised memerlukan model

• Unsupervised memerlukan label, sedangkan Supervised tidak

• Tidak ada perbedaan signifikan antara keduanya

Apa tujuan dari teknik 'Clustering' dalam Unsupervised Learning?

• Mengklasifikasikan data yang memiliki label

• Memisahkan data menjadi kelompok yang tidak diketahui sebelumnya

• Mengurangi dimensi data

• Mengubah data numerik menjadi data kategorikal

Apa itu 'K-Means Clustering'?

• Teknik untuk mengurangi dimensi dataset

• Algoritma clustering yang membagi data menjadi beberapa kelompok berdasarkan jarak centroid

• Algoritma untuk klasifikasi data berlabel

• Teknik untuk menghitung jarak antar data secara manual

Apa fungsi dari 'Principal Component Analysis (PCA)'?

• Meningkatkan ukuran dataset

• Mengelompokkan data berdasarkan kemiripannya

• Menganalisis data berlabel untuk klasifikasi

• Mengurangi dimensionalitas data dengan menjaga varians terbesar dalam dataset

Apa perbedaan utama antara 'PCA' dan 'Factor Analysis (FA)'?

•  PCA fokus pada varians total, sedangkan FA fokus pada varians bersama antar variabel

• PCA digunakan untuk data berlabel, sedangkan FA untuk data tanpa label

• Tidak ada perbedaan antara PCA dan FA

• PCA digunakan untuk clustering, sementara FA untuk regresi

Apa itu 'Elbow Method' dalam evaluasi clustering?

• Teknik untuk membagi data menjadi dua bagian

• Teknik untuk memisahkan variabel independen dan dependen

• Metode untuk menentukan jumlah optimal cluster dengan mengamati plot biaya terhadap jumlah cluster

• Algoritma untuk mengurangi dimensi dataset

Bagaimana cara kerja 'Gap Statistic' dalam evaluasi clustering?

• Membagi dataset berdasarkan varians terbesar

• Menghitung selisih antara data yang tercluster dan distribusi acak

• Mengelompokkan data berdasarkan kategori

• Menghapus data duplikat dari dataset

Apa yang dimaksud dengan 'Silhouette Score' dalam evaluasi clustering?

• Ukuran seberapa besar varians dalam dataset

• Metode untuk mengurangi dimensionalitas data

• Proses mengelompokkan data berdasarkan centroid

• Ukuran seberapa mirip sebuah objek terhadap cluster-nya dibandingkan dengan objek di cluster lain

Apa manfaat dari 'PCA' dalam Unsupervised Learning?

• Mengurangi jumlah fitur untuk mempercepat proses machine learning

• Meningkatkan jumlah cluster dalam dataset

• Menambahkan label baru ke dataset

• Menggabungkan data dari dua cluster menjadi satu