Quel est la partition résultant de la 1ère itération de l'algorithme Kmeans, en utilisant la distance de Manhattan et en choisissant comme centroides les clients 1 et 2.

Which of the following regularization techniques adds a penalty proportional to the sum of squared coefficients?

D'après la courbe ROC suivante, que peut-on conclure quand à la performance du modèle :

On suppose qu’après application de Kmeans on a obtenu une partition P composée de deux clusters C1 et C2 comme le montre le tableau ci-dessous.

En utilisant l’algorithme des k plus proches voisins (kNN) avec k=3 et la distance de Manhattan, déterminer à quelle classe appartient le client 6 (Age = 35, Dépense annuelle = 25)

En utilisant le graphique suivant résultant de l’application de la méthode du coude au jeu de données ci-dessus, quel est le nombre de clusters optimal pour appliquer l’algorithme Kmeans?

Quel est la partition résultant de la 1ère itération de l'algorithme Kmeans, en utilisant la distance de Manhattan et en choisissant comme centroides les clients 1 et 2.

On suppose qu’après application de Kmeans on a obtenu une partition P composée de deux clusters C1 et C2 comme le montre le tableau ci-dessous.

En utilisant l’algorithme des k plus proches voisins (kNN) avec k=3 et la distance de Manhattan, déterminer à quelle classe appartient le client 6 (Age = 35, Dépense annuelle = 25)

Quel est la partition résultant de la 1ère itération de l'algorithme Kmeans, en utilisant la distance de Manhattan et en choisissant comme centroides les clients 1 et 2.

En utilisant le graphique suivant résultant de l’application de la méthode du coude au jeu de données ci-dessus, quel est le nombre de clusters optimal pour appliquer l’algorithme Kmeans?

What does recall refer to in classification?