Machine Learning
Fondamental
Correction d’un modèle utilisant des données non normalisées pour K-Means
Type d'évaluation
Mise en situation réelle
Analyse
Intelligence Artificielle
Compétences ciblées
clustering
normalization
kmeans
bugfix
unsupervised-learning
Scénario Technique
Contexte : Un modèle K-Means a été entraîné sur des variables ayant des échelles très différentes. Le Problème : Les clusters sont dominés par la variable ayant la plus grande amplitude. Extrait logique actuelle : kmeans.fit(X) Sans normalisation préalable. Contraintes : Appliquer une normalisation (StandardScaler ou équivalent). Réentraîner le modèle. Comparer la qualité des clusters. Livrable attendu : Proposer une correction garantissant une segmentation plus cohérente et équilibrée.
Prêt à évaluer ce talent ?
Accédez à l'interface de test complète pour soumettre votre architecture ou votre code.