Crowdly
Додати до Chrome
TI508M - Introduction to Machine Learning
Шукаєте відповіді та рішення тестів для TI508M - Introduction to Machine Learning? Перегляньте нашу велику колекцію перевірених відповідей для TI508M - Introduction to Machine Learning в efreussite.fr.
Отримайте миттєвий доступ до точних відповідей та детальних пояснень для питань вашого курсу. Наша платформа, створена спільнотою, допомагає студентам досягати успіху!
Comment l'algorithme K-means détermine-t-il la convergence?
On se propose d’utiliser la méthode du coude pour estimer le bon nombre de clusters dans les données. Que représente alors la courbe tracée ?
Quel(s) facteur(s) peut déterminer la composition des clusters à la convergence de 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.
Choisir un nombre de clusters trop élevé pour un modèle K-means peut entraîner :
Pourquoi est-il important de déterminer le nombre optimal de clusters avant d'exécuter K-means ?
Quelle est la première étape de l'algorithme K-means?