阿摩線上測驗
11. 企業資料分析團隊使用 DBSCAN(Density-Based Spatial Clustering of Applications with Noise)演算法進行顧客行為分群，並希望模型能自動區分主要群集與雜訊資料。 在此演算法中，決定聚類結果的兩個主要超參數為下列何者？
(A)特徵數與學習率；
(B)K 值與距離閾值；
(C)鄰域半徑(Epsilon ε)與最小點數(MinPts)；
(D)交叉熵(Cross Entropy)與權重初始化
答案：登入後查看
統計： A(0), B(5), C(27), D(5), E(0) #3773562
統計： A(0), B(5), C(27), D(5), E(0) #3773562
詳解 (共 2 筆)
hchungw
#7373131
DBSCAN 的聚類結果主要由以下兩個超參數決定：
- 鄰域半徑 (Epsilon,或 eps)：定義了以某個點為中心，搜尋相鄰點的半徑範圍。
- 最小點數 (MinPts 或 min_samples)：定義了在半徑Epsilon範圍內，至少需要多少個點才算是一個高密度區域（核心點）。
若 Epsilon設置過小，會導致大部分點被視為雜訊；若 Epsilon過大，則會導致不同的群集被合併。
0
0