msb-public
/
ML-For-Beginners
mirror of https://github.com/microsoft/ML-For-Beginners.git
1
0
Code Issues Projects Releases Wiki Activity
You can not select more than 25 topics Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
Branches Tags
${ item.name }
Create tag ${ searchTerm }
Create branch ${ searchTerm }
from 'main'
${ noResults }
ML-For-Beginners/translations/bg/5-Clustering
History
leestott e4050807fb
🌐 Update translations via Co-op Translator 		2 weeks ago
..
1-Visualize 🌐 Update translations via Co-op Translator 2 weeks ago
2-K-Means 🌐 Update translations via Co-op Translator 2 weeks ago
README.md 🌐 Update translations via Co-op Translator 2 weeks ago

README.md
Escape

Модели за клъстеризация в машинното обучение

Клъстеризацията е задача в машинното обучение, която се стреми да открие обекти, които си приличат, и да ги групира в групи, наречени клъстери. Това, което отличава клъстеризацията от другите подходи в машинното обучение, е, че процесът се случва автоматично. Всъщност, може да се каже, че това е противоположността на обучението с учител.

Регионална тема: модели за клъстеризация на музикалните вкусове на нигерийската аудитория 🎧

Разнообразната аудитория в Нигерия има разнообразни музикални вкусове. Използвайки данни, събрани от Spotify (вдъхновено от тази статия), нека разгледаме някои популярни песни в Нигерия. Този набор от данни включва информация за различни песни, като например техния 'danceability' рейтинг, 'acousticness', сила на звука, 'speechiness', популярност и енергия. Ще бъде интересно да открием модели в тези данни!

Грамофон

Снимка от Marcela Laskoski на Unsplash

В тази серия от уроци ще откриете нови начини за анализиране на данни, използвайки техники за клъстеризация. Клъстеризацията е особено полезна, когато вашият набор от данни няма етикети. Ако има етикети, тогава техниките за класификация, които сте научили в предишните уроци, може да са по-полезни. Но в случаите, когато искате да групирате данни без етикети, клъстеризацията е отличен начин за откриване на модели.

Съществуват полезни инструменти с нисък код, които могат да ви помогнат да научите повече за работата с модели за клъстеризация. Опитайте Azure ML за тази задача

Уроци

  1. Въведение в клъстеризацията
  2. Клъстеризация с K-Means

Кредити

Тези уроци бяха написани с 🎶 от Jen Looper с полезни ревюта от Rishit Dagli и Muhammad Sakib Khan Inan.

Наборът от данни Nigerian Songs беше взет от Kaggle и събран от Spotify.

Полезни примери за K-Means, които помогнаха при създаването на този урок, включват това изследване на ириси, този въвеждащ ноутбук и този хипотетичен пример за НПО.

Отказ от отговорност:
Този документ е преведен с помощта на AI услуга за превод Co-op Translator. Въпреки че се стремим към точност, моля, имайте предвид, че автоматизираните преводи може да съдържат грешки или неточности. Оригиналният документ на неговия роден език трябва да се счита за авторитетен източник. За критична информация се препоръчва професионален човешки превод. Ние не носим отговорност за недоразумения или погрешни интерпретации, произтичащи от използването на този превод.