始める無料で始める

フィードバックのクラスタリングにおけるK-means

あなたはフィードバック回答のデータセットを持ち、各回答について GPT モデルで信頼度スコアを計算しました。異常または外れ値のフィードバックを特定するため、低信頼度の回答に対して k-means クラスタリングを適用します。

KMeans アルゴリズム、reviews と confidences の変数、そして np ライブラリはすでに読み込まれています。

この演習はコースの一部です

人間のフィードバックによる強化学習（RLHF）

コースを見る

演習の手順

  • k-means アルゴリズムを初期化します。コードの再現性のため、random_state を 42 に設定します。
  • 外れ値を特定できるよう、data と対応するクラスタ中心の差から距離を計算します。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

def detect_anomalies(data, n_clusters=3):
    # Initialize k-means
    ____
    clusters = kmeans.fit_predict(data)
    centers = kmeans.cluster_centers_

    # Calculate distances from cluster centers
    ____
    return distances
  
anomalies = detect_anomalies(confidences)
print(anomalies)
コードを編集して実行