Pertanyaan :
- 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%
Keterangan : Sudah mengerjakan dengan sungguh sungguh
Bukti /Jawaban :
1. Algoritma k-Means Clustering: Langkah-langkahnya adalah menentukan jumlah cluster (k), memilih pusat cluster awal (centroid), menghitung jarak setiap data ke centroid, mengelompokkan data berdasarkan centroid terdekat, memperbarui posisi centroid, lalu mengulangi proses hingga hasilnya stabil. Huruf k menunjukkan jumlah cluster yang ingin dibentuk.
2. Dimensionality Reduction: Berguna untuk mengurangi jumlah fitur dalam data, mempercepat proses komputasi, mengurangi kompleksitas model, dan membantu menghilangkan fitur yang kurang relevan.
3. Contoh Clustering dalam Dunia Nyata: Perusahaan dapat mengelompokkan pelanggan berdasarkan kebiasaan belanja, jumlah pengeluaran, dan preferensi produk untuk membuat strategi pemasaran yang lebih tepat sasaran.
4. Tujuan Utama PCA (Principal Component Analysis): Mengurangi dimensi data dengan mempertahankan sebanyak mungkin variasi atau informasi penting dalam data.