🤖 ИИ · 20 вопросов · ~45 мин · ⏱ Таймер 45:00 · Сложный ·

Обучение без учителя

Когда готовых меток нет, алгоритм может искать группы, компактные представления и необычные объекты. Но найденный кластер не превращается автоматически в реальный тип клиента, а красивое двумерное облако не доказывает существование естественных классов. Тест проверяет выбор меры близости, чтение кода и осторожную интерпретацию структуры.

Отвечено: 0 из 20

⏱ --:--

💡 Инструкция: Выбери один ответ из четырёх. В тесте 20 вопросов и 45 минут; не меньше половины заданий требуют прочитать код, конфигурацию или формализованную схему. После завершения откроются общий процент, четыре тематические шкалы, правильные ответы и разбор каждого решения.

Вопрос 1 из 20

У магазина нет готовых типов покупателей, но нужно исследовать повторяющиеся профили поведения. С чего разумнее начать?

Рассчитать accuracy кластеров относительно их собственных номеров без внешнего эталона Создать временные типы покупателей вручную и обучить классификатор считать их истинными метками С кластеризации после проверки и масштабирования признаков Сгенерировать названия групп до анализа и распределить клиентов по сходству с описанием

Вопрос 2 из 20

Почему результат k-means здесь будет в основном определяться turnover?

X = np.array([
  [2, 120_000],
  [8, 125_000],
  [3, 900_000],
  [9, 910_000]
])
labels = KMeans(n_clusters=2).fit_predict(X)

Число кластеров неявно становится равным масштабу самого крупного признака K-means отбрасывает первый столбец при наличии признака с большим числовым диапазоном Алгоритм выбирает только одну координату с наибольшим количеством уникальных значений У turnover масштаб в тысячи раз больше, поэтому евклидово расстояние почти не замечает visits

Вопрос 3 из 20

Две первые главные компоненты объясняют 68% дисперсии. Какой вывод корректен?

pca = PCA(n_components=2).fit(X_scaled)
print(pca.explained_variance_ratio_.sum())

Первая компонента причинно определяет изменения исходных признаков Проекция распознала скрытые классы с accuracy 68%, хотя меток в задаче нет При снижении размерности из таблицы было удалено 32% строк Проекция сохраняет заметную, но не всю вариативность

Вопрос 4 из 20

Аналитик назвал кластер с частыми покупками «лояльные клиенты». Чего не хватает для такого названия?

Проверки, что частота действительно отражает лояльность, а не скидки, сезон или другой механизм Увеличить номер кластера, чтобы он соответствовал более высокой частоте покупок Преобразовать числовые признаки в строки: так название будет легче интерпретировать Нужно придумать более выразительное название, которое лучше описывает ценность кластера для бизнеса

Вопрос 5 из 20

Почему DBSCAN может выделить плотные изогнутые группы лучше k-means?

labels = DBSCAN(eps=0.25, min_samples=6).fit_predict(two_moons)

Он строит группы по связности плотных областей и не требует сферической формы вокруг центра Алгоритм использует готовые целевые метки для соединения точек одного класса DBSCAN всегда формирует две группы и поэтому лучше разделяет изогнутые области Вместо расстояний DBSCAN сравнивает объекты по алфавитному порядку признаков

Вопрос 6 из 20

Какое сравнение текстовых эмбеддингов чаще полезнее, если важнее направление вектора, а не его длина?

\cos(a,b)=\frac{a\cdot b}{\lVert a\rVert\,\lVert b\rVert}

similarity = (a @ b) / (np.linalg.norm(a) * np.linalg.norm(b))

Косинусная близость Сравнивать длину текстов, считая близкими векторы одинакового размера Использовать разницу только первой координаты как приближение направления вектора Выбирать случайного соседа среди объектов с похожей нормой вектора

Вопрос 7 из 20

Почему далёкие друг от друга точки на t-SNE-карте нельзя автоматически считать далёкими в исходном пространстве?

Любая двумерная проекция точно сохраняет расстояния, если на ней нет пересечений точек Метод прежде всего сохраняет локальные соседства, а глобальные расстояния могут сильно искажаться t-SNE строит карту только из случайных чисел и не использует исходные признаки Расстояния на карте неприменимы, потому что её оси не являются географическими координатами

Вопрос 8 из 20

Какой пример действительно не требует готовой целевой метки?

Регрессия цены по продажам, где для каждой строки известна фактическая цена Поиск необычных режимов датчиков по структуре сигналов Классификация писем по папкам, метки которых уже заданы пользователями Прогноз столбца defect без передачи модели его значений во время обучения

Вопрос 9 из 20

Что вернёт функция nearest для запроса q?

def nearest(q, matrix):
    q = q / np.linalg.norm(q)
    matrix = matrix / np.linalg.norm(matrix, axis=1, keepdims=True)
    return np.argmax(matrix @ q)

Название класса, сохранённое при обучении функции nearest Количество компонент, нужных PCA для представления запроса Средний номер всех векторов, расстояния до которых удалось вычислить Индекс вектора с максимальной косинусной близостью

Вопрос 10 из 20

Кластеры полностью меняются при другом random_state. Что это означает?

for seed in range(20):
    labels = KMeans(4, n_init=1, random_state=seed).fit_predict(X)
    save(labels)

Нестабильность означает, что после инициализации число признаков стало нулевым Изменение seed улучшило соответствие кластеров истинной структуре данных Разбиение неустойчиво, и выводы нельзя основывать на одном запуске При другом seed алгоритм использовал кластерные номера как готовые классы

Вопрос 11 из 20

Какое преобразование особенно важно перед кластеризацией возраста, дохода и числа покупок?

Масштабирование с учётом смысла признаков Преобразовать числовые значения в текст и сравнивать их как категории Удалить самую маленькую группу объектов до масштабирования, чтобы она не влияла на расстояния Отсортировать столбцы по названию, чтобы алгоритм одинаково обходил признаки

Вопрос 12 из 20

В каком случае евклидово расстояние между бинарными наборами тегов может быть хуже меры Жаккара?

J(A,B)=\frac{|A\cap B|}{|A\cup B|}

jaccard = len(tags_a & tags_b) / len(tags_a | tags_b)

При одном теге евклидово расстояние всегда теряет информацию о совпадениях единиц Жаккар предпочтительнее, если каждый бинарный тег предварительно переведён в физические единицы Для полностью одинаковых объектов мера Жаккара даст менее понятный результат, чем евклидова Когда важнее доля общих единиц, а совместные нули не несут смысла

Вопрос 13 из 20

Почему PCA нужно обучать только на train, если компоненты затем идут в модель?

pca.fit(X_train)
Z_train = pca.transform(X_train)
Z_test = pca.transform(X_test)

Обучающая часть обязана иметь ровно две колонки, иначе PCA нельзя отделить от test Компоненты, найденные на train, нельзя применять к новым объектам без повторного обучения PCA использует целевые метки test для выбора направлений с максимальной точностью Направления компонент иначе будут зависеть от тестовых объектов

Вопрос 14 из 20

Кластер отличается высоким числом ночных заказов и низким средним чеком. Как описать его осторожно?

«Молодые пользователи», поскольку ночные заказы считаются надёжным заменителем возраста «Клиенты с более частыми ночными заказами и меньшим чеком в этом наборе» «Безответственные покупатели», поскольку ночное время позволяет сделать вывод о личных качествах «Причина падения прибыли», хотя кластер показывает совместные признаки, а не причинный механизм

Вопрос 15 из 20

Средний silhouette вырос с 0.31 до 0.48 после перехода от 6 к 3 кластерам. Что можно сказать?

X_scaled = scaler.fit_transform(X)
labels = KMeans(n_clusters=k, random_state=42).fit_predict(X_scaled)
score = silhouette_score(X_scaled, labels)
print(k, score)

Шесть кластеров нельзя использовать после того, как найдено разбиение с большим silhouette Три группы являются истинными природными классами, поскольку silhouette вырос Три кластера лучше разделены по выбранной метрике, но их предметный смысл ещё не подтверждён Значение 0,48 означает 48% правильных кластерных меток

Вопрос 16 из 20

Какой приём разумен при визуализации UMAP или t-SNE?

Выбрать самый наглядный рисунок и считать визуальную разделённость подтверждением структуры Назвать группы до анализа исходных признаков, чтобы интерпретация не зависела от ожиданий аналитика Оценивать долю объектов в группе по площади её острова на двумерной карте Сравнить несколько настроек и запусков, а выводы проверять в исходном пространстве

Вопрос 17 из 20

Датчик выдаёт редкие режимы, которые не похожи на основной поток. Какую задачу можно поставить без размеченных аварий?

Задать многоклассовую классификацию, назначив каждому редкому режиму отдельную неизвестную метку Использовать BLEU между сигналом и нормальным режимом как меру необычности Преобразовать сигнал в текст и оценивать его как задачу машинного перевода Обнаружение аномалий

Вопрос 18 из 20

Почему ближайшие и дальние соседи могут становиться почти одинаково далёкими при очень большой размерности?

nearest_distance = distances[:, 1].mean()
farthest_distance = distances[:, -1].mean()
ratio = nearest_distance / farthest_distance
print(f"contrast={ratio:.3f}")

Все векторы сходятся к нулю после добавления большого числа координат При росте размерности координаты перестают существовать и расстояние считается только по индексам Косинус между любыми высокоразмерными векторами становится равен единице Расстояния концентрируются, а пространство становится разреженным

Вопрос 19 из 20

Что измеряет ошибка реконструкции после PCA?

Z = pca.transform(X)
X_hat = pca.inverse_transform(Z)
error = np.mean((X - X_hat)**2, axis=1)

Ошибка реконструкции показывает accuracy целевой метки, которую PCA восстанавливает вместе с признаками По величине ошибки можно непосредственно определить число естественных кластеров Насколько объект меняется после проекции в меньшее пространство и обратного восстановления Малая ошибка подтверждает причинную связь между главными компонентами и исходным объектом

Вопрос 20 из 20

После кластеризации выяснилось, что группа чаще покупает дорогие товары. Можно ли заключить, что принадлежность к кластеру вызывает высокий чек?

Нет: кластер описывает совместную структуру признаков, но не устанавливает причинность Да: присвоение cluster_id эквивалентно случайному эксперименту с клиентами Да, если номер кластера положительный и средний чек устойчиво выше нуля Нет, потому что кластеры полезны только для визуализации и не описывают совместные признаки

Ответьте на все 20 вопросов, чтобы получить результат

🔗 Встроить тест на свой сайт (iframe) ▼

Скопируйте код и вставьте в любое место на вашем сайте:

Также доступна прямая ссылка на embed-страницу