Свързани публикации 'clustering'
Групиране на данни в Data Science
Прост преглед на техниките зад известни алгоритми за клъстериране
„Птици от перушина се събират заедно“
Това е добре позната поговорка, която всички сме чували от младини. Това предполага, че индивиди от един и същи тип или с подобни черти са склонни да бъдат по-близо един до друг.
В науката за данните този природен феномен се нарича групиране и се използва за намиране на групиране сред данни чрез откриване на няколко групи, в които обектите са значително подобни на тези в..
Обяснени самоорганизиращи се карти
Самоорганизиращите се карти (SOM), известни още като карти на Кохонен, са вид изкуствена невронна мрежа, която се използва за групиране, намаляване на размерността и др.
В първата част предоставям общ преглед на SOM. Във втората част обяснявам как се учат. И накрая, в последната част демонстрирам как да обучавам SOM върху набора от данни за ириса. Чувствайте се свободни да прескочите напред до последния раздел, ако предпочитате.
TL;DR:
SOM картографират високоразмерни входни..
Доклад за сегментиране на клиенти
Общ преглед на проекта
В силно конкурентния пазар на привличане и задържане на клиенти компаниите непрекъснато се стремят да разберат по-добре своята клиентска база. Анализирането на демографските данни и моделите на поведение на съществуващи клиенти може да предостави ценна информация за потенциалните целеви групи и да помогне за адаптиране на маркетингови стратегии за максимално привличане и задържане на клиенти. Този проект има за цел да анализира демографски данни за компания за..
K означава алгоритъм за групиране
Съдържание
Клъстерна интуиция на K-означава Реални ситуации на клъстериране Избиране на стойността на K Метод Elbow Код за алгоритъм за клъстериране на K-означава и точка Elbow.
Алгоритмите за машинно обучение са категоризирани в три основни категории.
Контролирано обучение Неконтролирано обучение Подсилващо обучение
В контролираното обучение, в даден набор от данни, имаме присъстващ етикет на клас или целева променлива.
В обучението без надзор всичко, което знаете, е..
Машинно обучение: Групиране на набор от данни на FIFA 20
Неконтролиран алгоритъм Kmeans върху набор от данни на FIFA 20
Всяка година Electronic Arts пуска своето водещо заглавие, FIFA. Като геймър, една от вълнуващите характеристики на ново издание е намирането на общите оценки на играчите в любимия ми футболен клуб Ливърпул ФК. Наскоро открих набор от данни, съдържащ цялата информация за играчите във FIFA 20 на Kaggle .
Комбинирайте този набор от данни с интереса ми към машинното обучение и бързо наближаващия краен срок за класни..
Данни за мобилност, инженеринг на функции и йерархично групиране
Съединените щати имат един от най-големите автомобилни пазари в света, втори след Китай. С 270,4 милиона регистрирани превозни средства към 2017 г. по американските пътища има милиони катастрофи всяка година. Според Националната безопасност на движението по магистралите през 2016 г. в САЩ е имало приблизително 7 милиона катастрофи с моторни превозни средства, докладвани от полицията. Това е довело до около 207 милиона долара загуби от сблъсък през 2016 г. Възможността да се предвиди..
Вашето ръководство за неконтролирано машинно обучение — Клъстеризиране
Изграждане на интуиция и логика за клъстериране заедно с визуализация на алгоритъма K-Means върху набор от данни
Въведение
В предишни блогове („Запознаване със света на машинното обучение“) научихме за машинното обучение без надзор. За разлика от контролираното машинно обучение в това, ние идентифицираме точките от данни във връзка с други точки от данни, тъй като този тип алгоритъм за машинно обучение не използва етикетирани данни, както прави в контролираното машинно обучение. Ако..
