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.
This file contains ambiguous Unicode characters that may be confused with others in your current locale. If your use case is intentional and legitimate, you can safely ignore this warning. Use the Escape button to highlight these characters.
<!--
CO_OP_TRANSLATOR_METADATA:
{
"original_hash": "b28a3a4911584062772c537b653ebbc7",
"translation_date": "2025-09-03T17:02:20+00:00",
"source_file": "5-Clustering/README.md",
"language_code": "hk"
}
-->
# 機器學習中的聚類模型
聚類是一種機器學習任務，旨在尋找彼此相似的物件並將它們分組成稱為「群集」的組別。聚類與機器學習中的其他方法不同，因為它是自動進行的。事實上，可以說它是監督式學習的反面。
## 區域主題：針對尼日利亞觀眾音樂品味的聚類模型 🎧
尼日利亞的多元化觀眾擁有多樣化的音樂品味。使用從 Spotify 抓取的數據（靈感來自[這篇文章](https://towardsdatascience.com/country-wise-visual-analysis-of-music-taste-using-spotify-api-seaborn-in-python-77f5b749b421)），讓我們來看看一些在尼日利亞流行的音樂。這個數據集包含了各種歌曲的「舞蹈性」分數、「聲學性」、音量、「語音性」、流行度和能量等數據。探索這些數據中的模式將會非常有趣！
> 照片由 <a href="https://unsplash.com/@marcelalaskoski?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText">Marcela Laskoski</a> 提供，來自 <a href="https://unsplash.com/s/photos/nigerian-music?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText">Unsplash</a>
在這系列課程中，你將學習使用聚類技術分析數據的新方法。當你的數據集缺乏標籤時，聚類特別有用。如果數據集有標籤，那麼你在之前課程中學到的分類技術可能會更有用。但在需要分組未標記數據的情況下，聚類是一種發現模式的好方法。
> 有一些低代碼工具可以幫助你學習如何使用聚類模型。試試 [Azure ML](https://docs.microsoft.com/learn/modules/create-clustering-model-azure-machine-learning-designer/?WT.mc_id=academic-77952-leestott) 來完成這項任務。
## 課程
1. [聚類簡介 ](1-Visualize/README.md )
2. [K-Means 聚類 ](2-K-Means/README.md )
## 致謝
這些課程由 [Jen Looper ](https://www.twitter.com/jenlooper ) 帶著 🎶 編寫，並由 [Rishit Dagli ](https://rishit_dagli ) 和 [Muhammad Sakib Khan Inan ](https://twitter.com/Sakibinan ) 提供了有益的審核。
[Nigerian Songs ](https://www.kaggle.com/sootersaalu/nigerian-songs-spotify ) 數據集來自 Kaggle，
有助於創建這課程的 K-Means 示例包括這個 [iris 探索 ](https://www.kaggle.com/bburns/iris-exploration-pca-k-means-and-gmm-clustering )、這個[入門筆記本](https://www.kaggle.com/prashant111/k-means-clustering-with-python)，以及這個[假設的 NGO 示例](https://www.kaggle.com/ankandash/pca-k-means-clustering-hierarchical-clustering)。
---
** 免責聲明**：
本文件已使用人工智能翻譯服務 [Co-op Translator ](https://github.com/Azure/co-op-translator ) 進行翻譯。雖然我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。原始語言的文件應被視為具權威性的來源。對於重要資訊，建議使用專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。
