iPAS 考題解析虛擬程式碼:隨機選 K 個中心→分配點到最近中心→更新中心→收斂。這是什麼演算法?
你的作答
在題目頁作答不會存進學習紀錄,想留下紀錄可以到題庫練習。
解析
正確答案:A. K-Means
K-Means 的三步驟:(1)隨機初始化 K 個中心、(2)把每個點分配到最近的中心、(3)重新計算每群的平均值作為新中心,重複到收斂。
每個選項為什麼對或錯
-
A K-Means 正解
這個虛擬碼完美描述了 K-Means 的核心步驟:先隨機選 K 個中心,然後迭代地分配點到最近中心並更新中心點,直到收斂為止。
-
B DBSCAN 錯誤選項
DBSCAN 是基於密度的分群演算法,它不需要預設 K 值,也不會透過迭代更新中心點來分群,而是尋找高密度區域。
-
C KNN 錯誤選項
KNN (K-Nearest Neighbors) 是一種分類或迴歸演算法,它根據鄰近點的類別來預測新點的類別,而不是用來進行分群。
-
D Hierarchical Clustering 錯誤選項
階層式分群是透過逐步合併或分裂資料點來建立樹狀結構,它沒有中心點的概念,也不會進行迭代更新。
答案、題目或解析有問題?回報這題