Pertayaan :
- Describe the steps of the k-Means clustering algorithm. What does the ‘k’ represent?
- Why is dimensionality reduction useful in machine learning?
- Provide a real-world application for clustering (e.g., customer segmentation).
- What is the main objective of PCA?
Status :
100% Sudah Tercapai
Keterangan :
Saya sudah mengerjakan. Module Question 5 dengan baik dan benar
Bukti :
Nama :Rizki Maulana
Nim :2681494624
Matkul :Artificial Intelligence 26/27 – BD107 Module Question 5
- Describe the steps of the k-Means clustering algorithm.What does the ‘k’ represent ?
Jawaban :
K-means merupakan salah satu algoritmah unsupervised learning yang digunakan untuk melompokan data berdasarkan kemiripan karakteristiknya. Langkah pertama adalah menentukan nilai (k) yaitu jumlah kelompok yang ingin dibentuk. Setelah itu, algoritma memilih titik pusat awal ( Centroid ) kemudian menghitung jarak setiap jarak setiap data ke centroid terdekat. Data dimasukan ke kelompok yang memiliki jarak paling dekat. Selanjutnya, posisi centroid dihitung kembali berdasarkan rata-rata data pada setiap kelompok. Proses tersebut dilakukan secara berulang hingga perubahan posisi centroid atau pengelompokan data mencapai kondisi konvergen.
- Why is dimensionality reduction useful in machine learning?
Jawaban :
Dimensionality reduction merupakan teknik untuk mengurangi jumlah fitur atau variabel dalam suatu dataset dengan tetap mempertahankan informasi yang relevan. Teknik ini bermanfaat untuk meningkatkan efisiensi komputasi, mengurangi kompleksitas data, serta mempercepat proses pelatihan model machine learning. selain itu, pengurangan dimensi dapat membantu mengurangi risiko overfitting dalam kondisi tertentu dan mempermudah visualisasi data berdimensi tinggi. Salah satu metode yang dapat mengunakan untuk tujuan tersebut adalah Principal Component Analysis (PCA).
- Provide a real-world application for clustering (e.g., customer segmentation).
Jawaban :
Clustering dalam kehidupan nyata adalah segmentasi pelanggan pada perusahaan e-commerce. Perusahaan dapat mengelompokkan pelanggan berdasarkan beberapa variabel, seperti frekuensi pembelian, nilai transaksi, dan jumlah pengeluaran. Melalui algoritma K-Means, pelanggan dapat dikelompokkan menjadi beberapa segmen, misalnya pelanggan dengan nilai transaksi tinggi, pelanggan yang aktif berbelanja, dan pelanggan yang jarang melakukan transaksi. Hasil pengelompokan tersebut dapat digunakan sebagai dasar dalam merancang strategi pemasaran, memberikan promosi yang sesuai, serta meningkatkan efektivitas pelayanan kepada pelanggan.
- What is the main objective of PCA?
Jawaban :
Principal Component Analysis (PCA) adalah menyederhanakan data dengan mengurangi jumlah dimensi, sekaligus mempertahankan sebanyak mungkin variasi informasi yang terdapat dalam dataset. PCA bekerja dengan mentransformasikan sejumlah variabel asli menjadi komponen-komponen utama yang tidak saling berkorelasi.