Jawaban Tugas AI BD107
- Describe the steps of the k-Means clustering algorithm. What does the ‘k’ represent?
Arti k : ‘K‘ mewakili jumlah kelompok (kluster) yang ingin kita bentuk dari kumpulan data.
langkah-langkah K-Means:
- Inisialisaisi : Tentukan nilai $k$ dan pilih $k$ titik acak sebagai pusat kelompok awal (centroid).
- Pengelompokan : Hitung jarak setiap data ke centroid, lalu masukkann data ke centroid terdekat.
- Pembaruan Centroid : Hitung ulang titik tengah (centroid) berdasarkan rata-rata posisi data di kelompok tersebut.
- Iterasi : Ulangi langkah 2 dan 3 sampai posisi centroid tidak berubah lagi (sudah stabil).
2.Why is dimensionality reduction useful in machine learning?
Reduksi dimensi sangat berguna untuk merangkum data yang dimiliki banyak fitur/kolom dengan manfaat utama:
- Mempercepat Komputasi: Mengurangi beban memori dan mempercepat waktu training model.
- Mencegah Overfitting: Mengurangi fitur tidak penting agar model tidak bingung saat belajar.
- Mempermudah Visualisasi: Mengubah data berdimensi tinggi menjadi grafik 2D atau 3D yang mudah dipahami.
- Menghilangkan Noise: Membuang fitur yang duplikat atau tidak berpengaruh.
3. Provide a real-world application for clustering (e.g., customer segmentation).
-
Aplikasi: Segmentasi Pelanggan pada Aplikasi E-Commerce.
-
Cara Kerja: Aplikasi mengelompokkan pengguna berdasarkan kebiasaan belanja dan total transaksi.
-
Hasil Kelompok:
- Kelompok A: Pelanggan yang sering membeli barang mahal (Sultan).
- Kelompok B: Pelanggan yang hanya belanja saat promo/diskon.
- Kelompok C: Pelanggan yang jarang aktif.
-
Manfaat: Tim marketing dapat mengirimkan promo/iklan yang tepat dan sesuai untuk setiap kelompok pengguna.
4. what is the main objective of PCA?
Tujuan utama dari PCA (principal Component analysis) adalah mengurangi/mengecilkan jumlah fitur (kolom) pada data yang besar, tetapi tetap mempertahankan informasi penting di dalamnya sebanyak mungkin. PCA menggabungkan fitur-fitur yang saling berhubungan menjadi variabel baru yang disebut principal components.