阿摩線上測驗
13 下列何者「並非」K 平均數(k-means)集群法的特點？
(A) 原理相對其他集群法較為複雜
(B) 可結合其他方法，使用上較為彈性
(C) 在特定情況下，能將集群的任務處理得足夠好
(D) 不適合非球形、數據密度變化大或有離群數據的集群問題
答案：登入後查看
統計： A(372), B(61), C(44), D(123), E(0) #3434886
統計： A(372), B(61), C(44), D(123), E(0) #3434886
詳解 (共 3 筆)
Elle
#6607495
解析內容源自：AI應用規劃師 (初級 ) 學習指引勘誤表
ㅤㅤ
答案：
(A) 原理相對其他集群法較為複雜
ㅤㅤ
解析：
K-means的原理相對簡單，主要透過反覆分配點到最近中心、並更新中心點來最小化平方誤差和，並非複雜方法。 K-means常與 PCA（降維）、 Elbow method（選 k值）等方法結合，具有一定彈性。對於球形且大小密度接近的群體，K-means表現良好。
K-means的原理相對簡單，主要透過反覆分配點到最近中心、並更新中心點來最小化平方誤差和，並非複雜方法。 K-means常與 PCA（降維）、 Elbow method（選 k值）等方法結合，具有一定彈性。對於球形且大小密度接近的群體，K-means表現良好。
2
0
陳猩猩
#6910581
? 選項解析
(A) 原理相對其他集群法較為複雜 ❌（錯誤）
→ K-Means 是眾多分群法中最簡單、最容易理解與實作的，
相較於階層式分群（Hierarchical Clustering）或 DBSCAN，它其實非常直觀。
(B) 可結合其他方法，使用上較為彈性 ✅
→ 可搭配 PCA（主成分分析）降維後再分群，或作為其他演算法的初始步驟。
(C) 在特定情況下，能將集群的任務處理得足夠好 ✅
→ 對於「球形分布」或「數據密度均勻」的資料表現不錯。
(D) 不適合非球形、數據密度變化大或有離群數據的集群問題 ✅
→ 這是它的已知限制。離群值會嚴重影響平均值與分群中心。
0
0