用 K-means 進行回饋分群
你有一個回饋回應的資料集，並使用 GPT 模型為每個回應計算信心分數。為了找出不尋常或離群的回饋，你對低信心分數的回應套用 k-means 分群。
KMeans 演算法、reviews 與 confidences 變數，以及 np 函式庫都已預先載入。
本練習屬於課程
Reinforcement Learning from Human Feedback（RLHF）
練習說明
- 初始化 k-means 演算法。將
random_state設為42以利程式碼可重現。 - 計算從叢集中心到資料點的距離，將離群值視為
data與對應叢集中心之間的差距。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
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)