1. Jelaskan langkah-langkah algoritma k-Means clustering. Apa yang dimaksud dengan ‘k’?
Algoritma k-Means memiliki beberapa langkah, yaitu menentukan jumlah kelompok (k), memilih titik pusat awal (centroid), mengelompokkan data berdasarkan jarak terdekat, menghitung ulang centroid, lalu mengulangi proses sampai kelompok tidak banyak berubah. Huruf k berarti jumlah kelompok yang ingin dibentuk.
2. Mengapa pengurangan dimensi (dimensionality reduction) berguna dalam machine learning?
Pengurangan dimensi berguna untuk mengurangi jumlah fitur atau variabel dalam data tanpa kehilangan terlalu banyak informasi penting. Hal ini dapat membuat proses pembelajaran lebih cepat, mengurangi kompleksitas data, dan mempermudah visualisasi.
3. Berikan contoh penerapan clustering dalam kehidupan nyata.
Contohnya adalah segmentasi pelanggan di sebuah toko online. Pelanggan dikelompokkan berdasarkan kebiasaan belanja, jumlah pengeluaran, dan produk yang sering dibeli. Dengan begitu, perusahaan dapat memberikan promosi yang sesuai dengan kebutuhan setiap kelompok pelanggan.
4. Apa tujuan utama PCA (Principal Component Analysis)?
Tujuan utama PCA adalah mengurangi jumlah dimensi data dengan mempertahankan sebanyak mungkin informasi atau variasi penting dari data tersebut. PCA membantu menyederhanakan data sehingga lebih mudah dianalisis dan diproses oleh model machine learning.