機器學習基礎
下列關於以k-平均演算法（k-means）進行分群的步驟，何者適當？
- A從所有資料屬於同一個群集開始，依序切出離其他資料最遠的資料，一直分割到群集數為k為止
- B先暫定k個中心，將各筆資料分配到最近中心的群集，再以各群集的平均作為新中心，反覆進行直到分配不再改變
- C對每一筆要決定群集的資料，從訓練資料中找出最近的k筆資料，以其標籤的多數決決定群集
查看答案與解析
正確答案：B. 先暫定k個中心，將各筆資料分配到最近中心的群集，再以各群集的平均作為新中心，反覆進行直到分配不再改變
k-平均演算法先決定群集數k，依（1）決定k個中心、（2）將各筆資料分配到最近中心的群集、（3）以各群集資料的平均作為新中心的步驟，反覆進行（2）與（3），直到分配不再改變為止。結果會受最初中心的選法影響，可能停在並非最佳分法的解，因此會改變初始值執行數次，或使用k-means++等初始值的選法。k值不會自動決定，需參考手肘法等加以決定。
- A. 這接近依序分割整體的階層式分群，不是k-平均演算法的步驟。
- B. 正確。反覆進行分配與中心的更新，直到分配不再改變。
- C. 這是k最近鄰法（k-NN）的想法。k最近鄰法是使用正確答案標籤、屬於監督式學習的分類方法。