Font size
WorksheetsML Lecture 7 Quiz
Total questions: 10
Worksheet time: 5mins
Նշվածներից որո՞նք են DBSCAN ալգորիթմի առավելությունները
Կարող է ստանալ ցանկացած չափի և ձևի կլաստերներ
Չունի հիպերպարամետրեր
Չի պահանջում նախապես նշել կլաստերների քանակը
Առանձնացնում է outlier կետերը
Ճի՞շտ է արդյոք հետևյալ պնդումը․
«DBSCAN-ը կարող է հեշտությամբ խմբավորել տարբեր խտություններով տվյալների բազմություններ»
ԱՅՈ
ՈՉ
Ո՞րն է ճիշտ հետևյալ agglomerative hierarchical clustering-ի վերաբերյալ
Վերջին միացումը միացնում է (7, 8 12) կլաստերը մնացածի հետ
2֊ին ամենանման կետը 3֊ն է
9֊ը և 10-ը ամենանման կետերն են
Նշվածներից ոչ մեկը
K-means կլաստերինգը․․․
Կարող է օգտագործվել ոչ֊թվային տվյալների հետ
Զուգամիտում է գլոբալ մինիմումի
Զուգամիտում է լոկալ մինիմումի
Չի պահանջում նախապես նշել կլաստերների քանակը
Ինչպիսի՞ խնդիր կարող է առաջանալ, եթե կլաստերինգի ընթացքում օգտագործենք անհամապատասխան հեռավորության մետրիկա։
Կլաստերինգը չի աշխատի
Կստանանք սխալ կլաստերներ
Կլաստերները չեն ներկայացնի տվյալների մեջ առկա իրական նմանությունները
բոլորն էլ հնարավոր են
K-Means ալգորիթմի աշխատանքի արդյունքում ստացել ենք հետևյալ դենդրոգրամը: Ո՞ր պնդումն է ճիշտ
Ունենք 6 տվյալ
K-ի լավագույն արժեքը 2֊ն է
2 և 5 կետերը ամենամոտն են
K-Means ալգորիթմը չի կարող ներկայացվել դենդրոգրամով
Նշվածներից ո՞ր պայմանով է հնարավոր դադարեցնել K-Means ալգորիթմի զուգամիտումը
սահմանափակել օպտիմիզացիայի քայլերի քանակը
դադարեցնել, եթե կլաստերների ներսում հեռավորությունների գումարի գումարը (RSS) փոքր է ինչ֊որ շեմից
Եթե ցենտրոիդները չեն փոխվել մի քանի քայլերի արդյունքում
Բոլորն էլ ճիշտ են
Ինչի՞ համար կարող է կիրառվել կլաստերինգը
Հիպոթեզների գեներացման
Մեծ չախողականության տվյալների մեջ նմանություններ գտնելու
Մեզ զանգվածով տվյալների կոմպրեսսացման
Բոլորն էլ ճիշտ են
Fuzzy Clustering-ի ժամանակ
Տվյալները պատկանում են ինչ֊որ կլաստերի որոշ կշռով
Կիրառվում են ոչ թվային տվյալներ
Չկան հիպերպարամետրեր
առանձնացվում են outlier-ները
Ճի՞շտ է արդյոք հետևյալ պնդումը․
«Դենդոգրամի ճյուղի բարձրությունը ցույց է տալիս կատարված կլաստերինգի հանդեպ վստահությունը»
ԱՅՈ
ՈՉ
