Rozdział 18. Klastrowanie danych
Klastrowanie danych to technika nienadzorowanego uczenia maszynowego, której celem jest podzielenie danych na podgrupy. Termin nienadzorowane oznacza, że danym nie są przypisywane etykiety. Model po prostu bada cechy, wyszukuje podobne do siebie próbki i umieszcza je w klastrze.
W tym rozdziale zademonstrowane są algorytmy k-średnich i hierarchicznego klastrowania na przykładzie danych pasażerów Titanica.
Algorytm k-średnich
W algorytmie k-średnich najpierw użytkownik musi określić liczbę klastrów k. Następnie algorytm wybiera losowo k centroidów. Próbki danych są grupowane w klastry na podstawie ich odległości od centroidów. Po zgrupowaniu próbek wybierane są w środku każdego klastra nowe centroidy i proces grupowania ...
Get Uczenie maszynowe w Pythonie now with the O’Reilly learning platform.
O’Reilly members experience books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.
