Câu hỏi về phương pháp phân cụm

Phương pháp phân cụm nào sử dụng khoảng cách Euclid để phân chia các điểm dữ liệu thành các nhóm?

• K-means

• DBSCAN

• Hierarchical Clustering

• Gaussian Mixture Models

Trong phương pháp phân cụm K-means, số lượng cụm (k) được xác định như thế nào?

• Bằng cách thử nghiệm với các giá trị khác nhau và đánh giá hiệu quả

• Được tính toán tự động từ dữ liệu

• Được xác định dựa trên độ chính xác của mô hình

• Bằng cách sử dụng chỉ số Gini

Điều kiện nào sau đây là điều kiện để thuật toán K-means hội tụ?

• Các centroid không thay đổi sau mỗi lần phân cụm

• Các điểm dữ liệu không thay đổi sau mỗi bước phân cụm

• Số lượng điểm dữ liệu ít hơn số lượng cụm

• Độ phân tách của các cụm là không đổi

Trong phương pháp phân cụm K-means, centroid của một cụm là gì?

• Điểm có tọa độ trung bình của các điểm dữ liệu trong cụm

• Điểm nằm gần các điểm dữ liệu nhất trong cụm

• Điểm có giá trị thuộc tính lớn nhất trong cụm

• Điểm có giá trị trung bình của các thuộc tính trong cụm

Điều nào sau đây không phải là ưu điểm của phương pháp phân cụm K-means?

• Đơn giản và dễ triển khai

• Tốc độ nhanh đối với dữ liệu lớn

• Được sử dụng rộng rãi trong các bài toán phân loại có giám sát

• Dễ dàng mở rộng với số lượng c

K-means sử dụng gì để phân chia các điểm dữ liệu vào các cụm?

• Khoảng cách Euclid giữa các điểm và các centroid

• Khoảng cách Manhattan giữa các điểm và các centroid

• Khoảng cách Cosine giữa các điểm và các centroid

• Tỷ lệ giữa các điểm dữ liệu trong các cụm

Một trong những hạn chế của phương pháp K-means là gì?

• Nó không xử lý tốt dữ liệu không đồng nhất hoặc không có hình dạng cụm rõ ràng

• Nó không thể xử lý dữ liệu có nhiễu

• Nó luôn chọn đúng số lượng cụm

• Nó không phân biệt được các giá trị ngoại lệ

Khi nào thuật toán K-means sẽ dừng lại trong quá trình phân cụm?

• Khi số lượng cụm đạt đến một giá trị cố định

• Khi các centroid không thay đổi sau mỗi bước phân cụm

• Khi tất cả các điểm dữ liệu có cùng giá trị

• Khi số lượng điểm dữ liệu bằng số lượng cụm

Đặc điểm nào sau đây của thuật toán K-means?

• K-means yêu cầu phải xác định số lượng cụm ( k ) trước khi bắt đầu

• K-means tự động xác định số lượng cụm từ dữ liệu

• K-means không sử dụng khoảng cách Euclid

• K-means không thể xử lý dữ liệu rời rạc

Trong K-means, centroid của một cụm được tính như thế nào?

• Là giá trị trung bình của tất cả các điểm dữ liệu trong cụm đó

• Là giá trị gần nhất với tất cả các điểm dữ liệu trong cụm

• Là giá trị có độ lệch chuẩn cao nhất trong cụm

• Là giá trị có phân phối xác suất cao nhất trong cụm