피드백 클러스터링을 위한 K-means
피드백 응답으로 구성된 데이터셋이 있고, 각 응답에 대해 GPT 모델로 신뢰도 점수를 계산했습니다. 비정상적이거나 이상치에 해당하는 피드백을 찾기 위해, 신뢰도가 낮은 응답들에 k-means 클러스터링을 적용하려고 합니다.
KMeans 알고리즘, reviews와 confidences 변수, 그리고 np 라이브러리는 미리 로드되어 있습니다.
이 연습은 강의의 일부입니다
Reinforcement Learning from Human Feedback (RLHF)
연습 안내
- k-means 알고리즘을 초기화하세요. 코드 재현성을 위해
random_state를42로 설정합니다. - 클러스터 중심으로부터의 거리를 계산해 이상치를 식별하세요.
data와 해당 클러스터 중심의 차이를 사용합니다.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
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)