Публикации по теме 'k-means'
Раскрытие шаблонов: полное руководство по кластеризации K-средних
Автор Тушар Аггарвал
1. Введение
Кластеризация — это ключевой инструмент в обучении без учителя, области машинного обучения, где модели обучаются на данных без предварительно помеченных групп. Кластеризацию можно использовать для различных задач, таких как определение сегментов клиентов, классификация изображений или даже закономерностей в данных фондового рынка.
Существует несколько различных алгоритмов кластеризации, но одним из самых популярных является кластеризация методом..
Как выбрать K для K-средних
Простое объяснение и реализация метода локтя
Есть несколько способов выбрать K для K-средних. В этой статье метод локтя объясняется и реализуется очень простым способом .
Объяснение
Ниже наши данные. Легко видеть, что количество кластеров должно быть равно 4.
Мы попытаемся получить K = 4, наблюдая различные значения K.
Визуальное объяснение
На изображении ниже синие точки принадлежат нашему набору данных, а красные точки — это центры кластеров.
Как видите, от каждого..
Алгоритм дыхания K-средних в Python: пошаговое руководство
Breathing K-Means — это расширение алгоритма K-Means , которое динамически обновляет центры кластеров во время итераций, позволяя им «дышать» и исследовать большее пространство поиска. Вот пошаговое руководство по реализации Breathing K-Means в Python:
Шаг 1. Импортируйте необходимые библиотеки
import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import make_blobs
Разберем каждую строку кода:
Первая строка импортирует библиотеку NumPy, которая является..
Использование KMeans для кластеризации изображений
KMeans может быть полезен и для других задач, связанных с поиском кластеров.
Введение
Кластеризация — это неконтролируемый метод машинного обучения. Это означает, что ваш набор данных не имеет метки, целевой переменной, которая должна быть связана с закономерностями, обнаруженными независимыми переменными.
Неконтролируемое обучение заключается в том, чтобы найти…
Кластеризация K-средних и евклидово расстояние: званый обед с друзьями (и волшебный джинн, и…
Представьте, что у вас есть группа друзей, которые любят разные блюда. Вы хотите устроить званый ужин, но не хотите часами выискивать лучшее сочетание блюд. Вот тут и приходит на помощь метод k-средних!
K-means похож на волшебного джинна, который берет все предпочтения ваших друзей в еде и волшебным образом организует их в группы или «кластеры». Например, допустим, у вас есть три друга:
Друг 1 любит пиццу и гамбургеры Друг 2 любит суши и салат Друг 3 любит тако и буррито..
Как это работает: кластеризация K-средних
Обзор
K-Means Clustering — простой, но мощный алгоритм в науке о данных. Существует множество реальных приложений кластеризации K-средних (некоторые из которых мы рассмотрим здесь). Это подробное руководство познакомит вас с миром кластеризации и кластеризации K-средних, а также с реализацией на Python для реального набора данных.
Введение: что такое кластеризация?
«Кластеризация помогает нам понять наши данные уникальным способом — группируя вещи в — как вы уже догадались —..
Давайте понятно объясним: K-Means
В этой серии я собираюсь объяснить наиболее распространенные алгоритмы машинного обучения, начиная с основ и заканчивая гораздо более сложными.
Это вторая часть этой серии, и если вы не читали предыдущую о модели KNN, которая очень похожа на эту, нажмите здесь, чтобы ознакомиться с ней :
Давайте понятно объясним: KNN В этой серии я собираюсь объяснить наиболее распространенные алгоритмы машинного обучения, начиная с основ и заканчивая… средним уровнем. ком..
Новые материалы
Я хотел выучить язык программирования MVC4, но не мог выучить его раньше, потому что это выглядит сложно…
Просто начните и учитесь самостоятельно
Я хотел выучить язык программирования MVC4, но не мог выучить его раньше, потому что он кажется мне сложным, и я бросил его. Это в основном инструмент..
Лицензии с открытым исходным кодом: руководство для разработчиков и создателей
В динамичном мире разработки программного обеспечения открытый исходный код стал мощной парадигмой, способствующей сотрудничеству, инновациям и прогрессу, движимому сообществом. В основе..
Объяснение документов 02: BERT
BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка.
Во время предварительного обучения модель обучается на неразмеченных данных с помощью..
Как проанализировать работу вашего классификатора?
Не всегда просто знать, какие показатели использовать
С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..
Работа с цепями Маркова, часть 4 (Машинное обучение)
Нелинейные цепи Маркова с агрегатором и их приложения (arXiv)
Автор : Бар Лайт
Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..
Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
Как вы сегодня, ребята?
В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..
Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение.
В этом процессе мы будем использовать неконтролируемое обучение, чтобы..