Публикации по теме 'k-means'
Кластеризация K-средних: плюсы и минусы
В интеллектуальном анализе данных кластеризация — это метод группировки объектов данных вместе, чтобы они имели схожие характеристики. Существует множество различных алгоритмов кластеризации, но одним из самых популярных является кластеризация K-средних. Кластеризация K-средних — это относительно простой алгоритм, который можно использовать для группировки объектов данных. Это метод кластеризации, который часто используется, когда нет предварительных знаний о данных. Кластеризация..
Изучение наук о данных и машинного обучения 1
KMeans — один из наиболее широко используемых алгоритмов кластеризации. Вот два распространенных вопроса о KMeans, которые, как мне кажется, должен знать каждый.
Почему K-средние страдают от проклятия размерности?
Причина, по которой это происходит, заключается в том, что по мере того, как ваши размеры продолжают расти, минимальное евклидово расстояние между точками данных продолжает расти из-за увеличения размеров, а поскольку размеры стремятся к бесконечности, минимальное расстояние..
Извлечение доминирующих цветов из существующего изображения - алгоритм кластеризации K-средних
Интересная реализация алгоритма кластеризации K-средних
Вступление
Я только что закончил курс машинного обучения Эндрю Н.Г. на Coursera и был рад попробовать свои силы в различных проектах, реализовав все, что я узнал за последние пять месяцев, помимо еженедельного задания курса. Как и все остальные, я поискал в Google несколько интересных проектов машинного обучения для начинающих, когда наткнулся на эту идею. Этот проект не был новаторским или чем-то в этом роде, но дал мне хороший..
Кластеризация клиентов с использованием алгоритма машинного обучения K-means
Эта история о кластеризации онлайн-покупателей с использованием алгоритма K-средних. Интересный подход к использованию машинного обучения для сегментации ваших клиентов или проверки правильности вашей сегментации.
Зачем нужна сегментация?
Работа маркетолога состоит в том, чтобы найти закономерности и общие характеристики клиентов для их сегментации. Это первый шаг перед тем, как вы придумаете правильные сообщения и каналы для общения и построения прочных отношений с клиентами...
Кластеризация K-средних
В мире науки о данных кластеризация K-Means выделяется как мощный метод распознавания образов и сегментации данных. Представьте, что у вас есть набор точек данных, каждая из которых занимает уникальное место в огромном наборе данных.
Кластеризация K-средних является ключом к группировке этих точек данных в значимые кластеры на основе присущих им сходств.
В этой главе мы отправимся в путешествие, чтобы понять теоретические основы кластеризации K-средних и ее значение в сфере машинного..
Понимание неконтролируемого машинного обучения с использованием алгоритмов кластеризации
Введение в 3 лучших алгоритма кластеризации
Алгоритмы неконтролируемой кластеризации облегчают нам идентификацию групп в наших данных, что упрощает принятие расчетных решений. Этот алгоритм работает с немаркированными данными, что означает отсутствие определенной целевой переменной, в отличие от моделей машинного обучения с учителем. Давайте разберемся с работой различных кластерных моделей машинного обучения без присмотра:
Что такое кластеризация?
Кластеризация — это..
Введение в обучение без учителя: возможности кластеризации и алгоритма K-средних
Что такое неконтролируемое обучение?
Неконтролируемое обучение — это метод машинного обучения, при котором модель обучается на наборе данных без каких-либо помеченных результатов или целевых переменных. Целью неконтролируемого обучения является выявление закономерностей, взаимосвязей или структур в данных без учета каких-либо предварительных знаний или предположений о данных. Это отличается от обучения с учителем, когда модель обучается на размеченных данных и делает прогнозы на..
