iPAS 考題解析請參考下列虛擬程式碼（pseudocode），最可能是在描述何種演算法？ 1. 隨機選X個資料點作為初始群中心 2. 重複以下步驟直到中心不再變動： a. 計算每筆資料到每個中心的距離 b. 將每筆資料指派到最近的群中心 c. 更新中心為該群所有點的平均值

解析

正確答案：A. K-means分群（K-means Clustering）

K-means演算法的三個核心步驟：隨機初始化K個中心、分配每點到最近中心、更新中心為群內均值，不斷迭代直到收斂。程式碼描述與K-means定義完全吻合。

每個選項為什麼對或錯

• A K-means分群（K-means Clustering） 正解

  隨機初始化中心、計算距離分配、更新為均值、迭代至收斂，是K-means的標準流程。

• B 高斯混合模型分群（Gaussian Mixture Model Clustering） 錯誤選項

  高斯混合模型使用期望最大化（EM）演算法，基於機率密度，不使用硬性距離分配。

• C 階層式分群（Hierarchical Clustering） 錯誤選項

  階層式分群無需事先指定K值，基於合併或分裂策略，不使用迭代均值更新。

• D DBSCAN分群（Density-based Spatial Clustering of Applications with Noise Clustering） 錯誤選項

  DBSCAN基於密度判斷核心點和邊界點，不需要初始中心也不計算群均值。

答案、題目或解析有問題？回報這題

題目 © 經濟部產業發展署，AITerms.tw 僅作教學解析使用，本站解析以 CC BY-NC-SA 4.0 授權。