Свързани публикации 'clustering'
Въведение в машинното обучение: K означава
Машинно обучение
Въведение в машинното обучение: K означава
K означава в SKLearn
Добре дошли в нашата четвърта част за машинното обучение. В този модул ще разгледаме K-Means. K-Means е „алгоритъм за групиране“, базиран на „хиперпараметъра“ „K“, който диктува колко клъстери ще има. Хиперпараметърът е просто параметър, който можем да коригираме. Всеки клъстер има „центъроид“ или централна точка, която ще бъде котвата на нашия клъстер. Ето стъпките към алгоритъма на K-Means:..
Клъстерен анализ: теория и реализация на неконтролирани алгоритми
Включително плюсовете и минусите на k-средните, йерархичния и DBSCAN
С прости думи, клъстерирането не е нищо друго освен разделяне на наблюдения въз основа на определени свойства. В по-технически термин групирането е неконтролиран алгоритъм за машинно обучение, процес, чрез който наблюденията (данните) се групират по начин, по който подобни наблюдения се поставят по-близо едно до друго. Това е „неконтролиран“ алгоритъм, тъй като за разлика от контролираните алгоритми (напр. произволна..
A45: Клъстериране — Неконтролирано машинно обучение
k-средни, k-medoids, агломеративно - йерархично групиране, дендрограма, DBSCAN, ОПТИКА
Тази статия е част от „Наука за данни от нулата — мога ли да мога““, поредица от книги с бележки по лекции. ( щракнете тук, за да получите вашето копие днес !)
Щракнете тук за предишната статия/лекция на тема „A44: Поддържащи векторни машини (SVM) срещу логистична регресия — Практика и сравнения [пълен проект с код]“
💐Щракнете тук, за да МЕ СЛЕДВАТЕ за ново съдържание💐
⚠️ В тази..
Внедряване на Node.js клъстер за подобрена производителност
Node.js е популярна среда за изпълнение за изграждане на мащабируеми и ефективни приложения от страна на сървъра. За да използваме напълно потенциала на многоядрените системи и да подобрим производителността на приложенията Node.js, можем да внедрим групиране с помощта на вградения cluster модул. Клъстерирането ни позволява да създаваме множество работни процеси за обработка на входящи заявки, което води до подобрена производителност и по-добро използване на системните ресурси.
В..
Овладяване на оценката на модела: Изчерпателно ръководство за избор и тълкуване на показатели за оценка...
Въведение
В областта на машинното обучение оценката на ефективността на моделите е от съществено значение за разбирането на тяхната ефикасност и вземането на информирани решения. Метриките за оценка предоставят количествени мерки за оценка на това колко добре се представя моделът на машинно обучение при конкретни задачи като класификация, регресия или групиране. В тази статия ще проучим значението на показателите за оценка и ще обсъдим различните типове, които обикновено се използват..
Автоматично групиране с автоматично коляно
Хакната версия за автоматично клъстериране с оптимизиран K
Здравейте всички, как сте? надявам се да е добре. Днес намерих невероятен хак за автоматизиране на намирането на оптималния брой K за клъстериране на Kmeans.
Преди, ако си спомняте, използвахме метода на лакътя чрез визуализация и познахме оптималния брой K? и недостатъкът е, че не можем да автоматизираме това и да извлечем оптималната K стойност за Kmeans, друг недостатък е, ако по някакъв начин успее да каже добре, да..
Преразгледайте групирането на офанзивни роли на играчи от НБА: защо има смисъл да играете с няколко играча с топка
И защо ползата от играта на специалисти „извън екрана“ е ограничена
Миналата година написах материал за категоризирането на играчи от НБА в различни офанзивни роли с неконтролирани алгоритми за групиране въз основа на какво са направили в атака, а не как са се представили [1].
Клъстериране на играчи от НБА в нападателни роли въз основа на това, което са направили, а не на това как са се справили Модел за машинно обучение без надзор за групиране и метод..
