KMeans fit và gán cụm mới
Chuyển từ supervised sang unsupervised: KMeans học centroid và gán điểm mới vào cụm.
Tiến độ của tôi ở bài này
Điểm được lưu vào tài khoản sau khi chấm bài.
Đang tải điểm của bạn…
Kiến thức và chủ đề
Kiến thức tiên quyết: distance, NumPy 2D, random state.
Nội dung đề bài
Mục tiêu kiến thức
Chuyển từ supervised sang unsupervised: KMeans học centroid và gán điểm mới vào cụm.
Mô tả bài toán
Đây là bài số 366 trong tầng Phân loại và học không giám sát. Bài dùng thư viện sklearn.cluster.KMeans trên dữ liệu nhỏ, cố định và chạy CPU; mục tiêu là hiểu workflow chứ không bắt học viên tự viết lại thư viện.
Yêu cầu
Fit KMeans với n_clusters, random_state=seed, n_init=10; trả labels train, centers và label của new_X.
def kmeans_assign(X, n_clusters, seed, new_X):Input
X không có y, số cụm, seed và ma trận query new_X.
Output
Dictionary labels, centers và new_labels.
Ràng buộc
Không dùng y; số center đúng n_clusters; query phải được predict bằng model đã fit.
Ví dụ
Giải thích
Bốn điểm quanh -1.5 và 1.5 tạo hai center tương ứng.
Gợi ý và lời giải chỉ mở sau khi bạn bấm Nộp bài. Giáo viên và quản trị viên mở được ngay.
Góp ý & báo lỗi bài tập
Đề bài chưa rõ, test có vấn đề hay bạn có ý tưởng giúp bài tốt hơn? Gửi cho đội ngũ AI Empire nhé — mỗi góp ý đều được đọc.