В этой статье вы узнаете, как работает неконтролируемое машинное обучение и как находить пары, используя биржевые данные для парной торговли. Здесь мы будем использовать три типа методов кластерного анализа, т. е. i) Кластеризация K-средних. ii) Иерархический кластер iii) Кластеризация распространения сходства Загрузите необходимый набор данных: СКАЧАТЬ НАБОР ДАННЫХ ЗДЕСЬ Этот набор данных содержит список 1000 лучших компаний на основе рыночной капитализации индийских компаний на..

Неконтролируемое обучение — алгоритм машинного обучения Неконтролируемое обучение — это подход к обучению в машинном обучении. В отличие от обучения с учителем, здесь мы не помечаем данные, на которых хотим обучать модель. Давайте обсудим два примера размеченных и неразмеченных данных, чтобы различать подходы к обучению с учителем и без учителя. Вот типичная задача обучения с учителем, рисунок 1 ниже, где нам дан размеченный обучающий набор, и цель состоит в том, чтобы найти..

Вскоре после завершения нашего проекта Data-Engineering для нашего Coding Bootcamp мы перешли к следующей интересной теме: Неконтролируемое машинное обучение: кластеризация песен . Преуспев в ощущении объединения вещей для формирования более широкой картины, теперь нам нужно было получить некоторые данные от Spotify — чтобы удовлетворить потребности нашего воображаемого масштабируемого стартапа под названием Moosic . Мы притворились, что были наняты ими в качестве их специалистов по..

Методы обучения без учителя: кластеризация и уменьшение размерности Обучение без учителя  – это направление машинного обучения, которое занимается поиском шаблонов и структур в данных без необходимости использования помеченных примеров или предопределенных результатов. Кластеризация и уменьшение размерности — два важных метода обучения без учителя, которые играют важную роль в анализе данных, визуализации и распознавании образов. В этой статье мы подробно рассмотрим эти методы и поймем..

Кластеризация K-средних — это популярный алгоритм, используемый в области неконтролируемого машинного обучения. Это метод группировки набора точек данных в заранее определенное количество кластеров на основе сходства их характеристик. Целью кластеризации k-средних является разделение точек данных на k кластеров таким образом, чтобы минимизировать сумму квадратов внутри кластера, также известную как «инерция» кластеров. Чтобы понять кластеризацию k-средних, полезно сначала понять..