Публикации по теме 'clustering'
Давайте узнаем о неконтролируемом обучении в машинном обучении
Машинное обучение — это изучение закономерностей на основе данных. Как правило, есть 3 типа обучения. Это обучение с учителем, обучение без учителя и обучение с подкреплением.
Обучение с учителем — это тип задачи, в которой данные содержат метки/выходные данные. На основе меток машина/алгоритм учится на данных.
Неконтролируемое обучение — это проблема, когда данные не содержат выходных данных или меток.
Обучение с подкреплением — это система, в которой Машина обучается автоматически..
Кластеризация K-средних: как это работает и поиск оптимального количества кластеров в данных
Математическая формулировка, Нахождение оптимального количества кластеров и рабочий пример на Python
Вступление
K-средних - один из наиболее широко используемых методов неконтролируемой кластеризации.
Алгоритм K-средних группирует имеющиеся данные, пытаясь разделить выборки на K групп с равной дисперсией, сводя к минимуму критерий, известный как инерция или сумма квадратов внутри кластера . Этот алгоритм требует указания количества кластеров . Он хорошо..
Кластеризация покемонов за 15 минут с использованием AI & Analytics Engine
Боль и лекарство от выбора функций в машинном обучении
Считаете ли вы выбор признаков сложной задачей при работе с многомерными наборами данных?
Кластеризация неразмеченных данных является обычной практикой во многих областях.
В этом блоге мы демонстрируем функцию кластеризации с использованием AI & Analytics Engine PI.EXCHANGE , примененную к базе данных статистики персонажей покемонов.
Введение
Дилемма, которую команда стремилась решить для своих потенциальных клиентов с..
Алгоритм кластеризации K-средних
В этой статье мы сначала увидим, что такое обучение без учителя, а затем познакомимся с концепцией кластеризации и алгоритмом K-средних, который является базовой концепцией кластеризации, и, наконец, мы приведем пример, в котором мы можем развернуть это концепция, так что эти вещи используются для решения проблем в реальном времени !!
Что такое обучение без учителя?
Алгоритму обучения не присваиваются метки, и он сам может найти структуру во входных данных. Неконтролируемое..
DBSCAN — Пространственная кластеризация приложений с шумом на основе плотности
Пространственная кластеризация приложений с шумом на основе плотности
Введение:
Кластеризация — это фундаментальная задача машинного обучения и анализа данных, направленная на группировку схожих точек данных. Одним из популярных алгоритмов кластеризации, который привлек значительное внимание, является пространственная кластеризация приложений с шумом на основе плотности (DBSCAN). DBSCAN известен своей способностью обнаруживать кластеры произвольной формы и эффективно обрабатывать..
Кластеризация с помощью DBSCAN
DBSCAN (Пространственная кластеризация приложений с шумом на основе плотности) — это алгоритм кластеризации, который группирует точки, близкие друг к другу, на основе критерия плотности. В отличие от других моделей кластеризации, таких как K-средние, DBSCAN может идентифицировать кластеры произвольной формы и не требует предварительного указания количества кластеров. Он менее чувствителен к шуму и может работать с кластерами разной плотности.
Чтобы получить удовлетворительный..
Алгоритм кластеризации K-Medoid (PAM) в Python
Пошаговое руководство — с решенным примером
1. Введение
1.1 Кластеризация K-средних и проблемы
Кластеризация крупномасштабных данных является ключом к реализации алгоритмов на основе сегментации. Сегментация может включать в себя определение групп клиентов для содействия целевому маркетингу, определение групп лиц, выписывающих рецепты, чтобы позволить участникам здравоохранения обращаться к ним с правильными сообщениями, а также выявление закономерностей или аномальных значений в..
