Uczenie maszynowe w Pythonie

Rozdział 19. Klasteryzacja

19.0. Wprowadzenie

W większej części książki przedstawiałem nadzorowane uczenie maszynowe, w którym mamy dostęp zarówno do cech, jak i do wektora docelowego. Jednak nie zawsze tak się dzieje. Bardzo często zdarzają się sytuacje, gdy znane są tylko cechy. Na przykład wyobraź sobie, że masz rekordy danych dotyczących sprzedaży w sklepie spożywczym i chcesz podzielić transakcje na przeprowadzane przez zwykłych klientów oraz tych, którzy mają kartę rabatową. Takie zadanie jest niemożliwe do wykonania za pomocą nadzorowanego uczenia maszynowego, ponieważ nie mamy wektora docelowego przeznaczonego do wytrenowania i oceny modeli. Istnieje jednak jeszcze inne rozwiązanie: nienadzorowane uczenie maszynowe. Jeżeli zachowanie ...