Публикации по теме 'unsupervised-learning'


Кластеризация K-средних: обучение без учителя для рекомендательных систем
Неконтролируемое обучение было названо наиболее близким к «настоящему» искусственному интеллекту, в смысле общего ИИ, с кластеризацией K-средних - одним из его простейших, но наиболее мощных приложений. Я здесь не для того, чтобы обсуждать, верны ли эти утверждения, поскольку я не эксперт и не философ. Однако я хочу заявить, что меня часто поражает, насколько хорошо методы обучения без учителя, даже самые элементарные, улавливают закономерности в данных, которые, как я ожидал, найдут..
Иерархическая кластеризация на примере
Алгоритмы иерархической кластеризации создают иерархию кластеров, в которой каждый узел состоит из кластеров своих дочерних узлов. Иерархическую кластеризацию можно разделить на два типа: разделительную и агломеративную. Разделительные работы сверху вниз; таким образом, он собирает все наблюдения в огромный кластер и разбивает их на более мелкие фрагменты. Агломеративное противоположно разделительному. В результате он работает снизу вверх, при этом каждое наблюдение начинается в своем..
Метод K-средних в кластеризации
Почему кластеризация ?? Обычно в обучении с учителем, таком как линейная регрессия или логистическая регрессия, у нас есть набор независимых переменных и зависимая или набор зависимых переменных. Но при обучении без учителя у нас может быть только набор независимых переменных и никаких зависимых переменных. Таким образом, чтобы понять набор данных, нам может потребоваться сгруппировать их в разные кластеры или группы. Что такое кластеризация K-средних?? Обычно для определения..
Неконтролируемое обучение на реальных примерах
Неконтролируемое обучение на реальных примерах Неконтролируемое обучение — это тип машинного обучения, при котором модель учится на немаркированных данных, чтобы находить закономерности или структуру. Некоторые примеры: Персонализированные рекомендации: многие онлайн-платформы используют неконтролируемое обучение для группировки пользователей или элементов на основе их предпочтений или функций, а затем рекомендуют им соответствующие продукты, услуги или контент ...
Обучение без учителя: основы машинного обучения
Демистификация обучения без учителя: руководство для начинающих по машинному обучению Машинное обучение — это область искусственного интеллекта, которая в последние годы приобрела огромную популярность. Это позволяет компьютерам учиться на основе данных и принимать разумные решения без явного программирования. Одной из фундаментальных отраслей машинного обучения является обучение без учителя. В этой статье мы развеем миф об обучении без учителя и объясним его простыми словами для..
BIRCH Clustering: Эффективность и универсальность
Понимание BIRCH: полное руководство по эффективной кластеризации Сбалансированное итеративное сокращение и кластеризация с использованием иерархий (BIRCH) — это алгоритм, используемый для кластеризации больших наборов данных в машинном обучении и интеллектуальном анализе данных. Ее предложили Тянь Чжан, Тянь Чжан, Рагу Рамакришнан и Мирон Ливни в 1996 году. Вы можете добраться до статьи здесь . Иерархическая кластеризация Это тип алгоритма кластеризации для группировки похожих..
Обзор иерархического кластерного анализа (HCA)
Кластеризация в сумме В Data Science неизбежны большие и беспорядочные наборы проблем. Если мы сохраним их как таковые, каждый этап аналитического процесса будет намного более громоздким. Учитывая это, бесспорно, что мы хотели бы иметь логический и организованный способ просмотра наших данных в целом. Кластеризация - один из самых популярных методов в науке о данных и метод неконтролируемого машинного обучения, который позволяет нам находить структуры в наших данных, не пытаясь получить..