Module Question 5
- 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?
Jawaban dibuat sesuai dengan 4 Standarisasi iDu yang terdiri dari Pertanyaan, Status, Keterangan, Bukti (berupa link iMe BisDi).
My Answer
- – Tentukan K
– Pilih K titik awal sebagai centroid
– kelompokkan data
– hitung ulang centroid
– Ulangi langkah 3 dan 4
-Berhenti ketika anggota kelompok sudah tidak berubah lagi (konvergen)
K-Means = tentukan K kelompok, taruh pusat kelompok, kelompokkan data ke pusat terdekat, geser pusat ke rata – rata, ulangi sampai stabil. - Reduksi dimensi berguna karena membuat model lebih ce[at, lebih sederhana, lebih tidak overfitting, lebih akurat pada data berdimensi tinggi, dan data bisa divisualisasikan.
- Clustering berguna ketika kita punya banyak data tapi belum tahu kelompok apa yang ada dii dalamnya. algoritma membantu menemukan kelompok tersebut, lalu manusia yang menafsirkan dan memutuskan tindakan bisnisnya.
- (Principal Component Analysis) Tujuan utama PCA adalah menyederhanakan data dengan mengurangi dimensi, tetapi tetap menjaga variansi (informasi) sebanyak mungkin.