O,X문제 입니다. 틀린 것은 바르게 고쳐주세요. 

1. k-means 알고리즘은 초기 클러스터 중심을 무작위로 선택하여 실행됩니다.O 
2. k-means 군집에서 최적의 k는 inertia가 가장 낮은 지점에서 찾을 수 있다.X
엘보우(꺾이는 지점)에서 최적의 k값을 갖는다!!
3. pca 차원축소는 벡터의 차원이 아니라 배열의 차원을 이야기 하는 것이다.X
벡터의 차원을 이야기하는 것이다!!
4. k-means 군집에서 클러스터가 증가할 경우 inertia는 반드시 감소한다.O
5. k-means 군집은 타원형 데이터에서 잘 작동한다. X
타원형 데이터에서는 군집화를 잘 수행하지 못한다. 클러스터를 구형으로 가정하기때문에 
타원형이나 여타 복잡한 모형에서는 경계를 잘 찾지 못한다.
6. k-means 알고리즘은 군집 내 분산이 서로 다른 경우에도 성능에 차이가 없다.X
분산은 k값에 영향을 주는데 k값에 따라 성능이 달라지므로 성능에 차이가 생긴다.
7. PCA 클래스의 explained_variance_ratio_ 의 첫 번째 분산이 가장 크다.O
8. 히스토그램은 구간별 값의 평균을 그래프로 표시한 것이다 X
빈도수를 표시한 것이다
9. PCA의 method에는 score이 존재하지 않는다.X
존재한다.(사이킷런 공식문서에 있다)
10. PCA 에서 분산이 가장 큰 방향으로 만든 주성분과 분산이 가장 작은 방향으로 만든 주성분의 
차이를 서술하시오. 
분산이 가장 큰 방향으로 만든 주성분은 데이터의 변화를 설명해서 복원이 잘된다는 특징이 있고
작은 방향으로 만든 주성분은 데이터의 특성을 잘 설명하지 못한다.