iPAS 考題解析DBSCAN 的兩個主要超參數為何?
你的作答
在題目頁作答不會存進學習紀錄,想留下紀錄可以到題庫練習。
解析
正確答案:C. Epsilon (鄰域半徑) 與 MinPts (最小點數)
DBSCAN 靠兩個參數運作:Epsilon(ε)定義「鄰居」的範圍有多大,MinPts 定義一個點要有多少鄰居才算「核心點」。核心點周圍密度夠高的區域就形成一個群集。
每個選項為什麼對或錯
-
A 特徵數量與學習率 錯誤選項
特徵數量和學習率(Learning Rate)是神經網路(Neural Network, NN)的概念,不是 DBSCAN 的參數
-
B K 值與距離閾值 錯誤選項
K 值是 K-Means 或 KNN 的參數,DBSCAN 不需要指定群集數量
-
C Epsilon (鄰域半徑) 與 MinPts (最小點數) 正解
-
D 交叉熵與權重初始化 錯誤選項
交叉熵(Cross-Entropy)是損失函數(Loss Function),權重初始化是神經網路(Neural Network, NN)的概念
答案、題目或解析有問題?回報這題