Soru 1 / 10Çok Değişkenli Yöntemler ve Makine Öğrenmesi · Kümeleme ve Boyut İndirgeme
Araştırmacı USArrests verisinde ek çıktı olarak gözlemler yerine dört değişkeni 1 - r uzaklığı ve ortalama bağlantıyla kümeliyor. İlk birleşme Murder ile Assault arasında 0.19813, son birleşme 0.75340 yüksekliğinde gerçekleşiyor ve üç kümelik kesim {Murder, Assault}, {UrbanPop}, {Rape} veriyor. Hangi yorum doğrudur?
Soru 2 / 10Çok Değişkenli Yöntemler ve Makine Öğrenmesi · Kümeleme ve Boyut İndirgeme
z-puanlı USArrests verisinde K = 3 için tek başlangıçla küme-içi KT 81.5933 bulunurken varsayılan ayarla 78.3233'lük daha iyi bir çözüm elde ediliyor. Araştırmacı yerel optimuma takılma riskini azaltmak istiyor. Hangi ayar değiştirilmelidir?
Soru 3 / 10Çok Değişkenli Yöntemler ve Makine Öğrenmesi · Kümeleme ve Boyut İndirgeme
DBSCAN analizinde iris (z, ε = 0.5) için Min. örnek 5 iken 2 küme ve 34 gürültü bulunur. Min. örnek 10 yapıldığında sonuç hangisidir?
Soru 4 / 10Çok Değişkenli Yöntemler ve Makine Öğrenmesi · Kümeleme ve Boyut İndirgeme
Çok Boyutlu Ölçeklemede USArrests verisi Metric MDS açıkken Stress-1 = 0.0959113 verir. Metric MDS kapatıldığında ne olur?
Soru 5 / 10Çok Değişkenli Yöntemler ve Makine Öğrenmesi · Kümeleme ve Boyut İndirgeme
Çok Boyutlu Ölçeklemede USArrests ham değişkenleriyle 'z-standardizasyonu' kapatıldığında iki boyutlu Stress-1 0.09591'den 0.01231'e düşüyor. Bu düşüşün doğru açıklaması hangisidir?
Soru 6 / 10Çok Değişkenli Yöntemler ve Makine Öğrenmesi · Kümeleme ve Boyut İndirgeme
carcinoma verisinde araştırmacı patologların ikili (var/yok) kararlarındaki yanıt örüntülerinin ardında kaç gözlenemeyen kesit alt grubu bulunduğunu ve her kesitin bu gruplara ait olma olasılığını, modelleri bilgi ölçütleriyle karşılaştırarak kestirmek istiyor. Hangi analiz uygundur?
Soru 7 / 10Çok Değişkenli Yöntemler ve Makine Öğrenmesi · Kümeleme ve Boyut İndirgeme
Gizil Profil Analizinde iris EEI K = 1 modeli ham ölçekte log-olabilirlik -741.0175 verir. Göstergeleri standartlaştır (z) açıldığında ne olur?
Soru 8 / 10Çok Değişkenli Yöntemler ve Makine Öğrenmesi · Kümeleme ve Boyut İndirgeme
Bir araştırmacı Fisher'ın iris verisindeki (n = 150) dört ölçümü t-SNE ile iki boyutlu bir haritaya yerleştiriyor; perplexity 5'te KL ıraksaması 0.3541, 30'da 0.1503 bulunuyor ve haritanın görünümü perplexity'ye göre değişiyor. 'Perplexity' ayarı neyi belirler?
Soru 9 / 10Çok Değişkenli Yöntemler ve Makine Öğrenmesi · Kümeleme ve Boyut İndirgeme
Bir spor bilimci 250 sporcunun sürekli ölçülmüş dayanıklılık, kuvvet ve esneklik puanlarından sayısı bilinmeyen alt grupları bulmak, grup sayısını bilgi ölçütleriyle seçmek ve her sporcunun gruplara ait olma olasılığını raporlamak istiyor. Hangi analiz en uygundur?
Soru 10 / 10Çok Değişkenli Yöntemler ve Makine Öğrenmesi · Kümeleme ve Boyut İndirgeme
K-Ortalamalar Kümelemede airquality verisi (4 değişken, K = 3, z) Sil seçeneğiyle n = 111 ve KT 186.0882 verir. Eksik Veri 'Medyan ile doldur' yapıldığında sonuç hangisidir?