leestott
f915efe2b4
|
2 weeks ago | |
|---|---|---|
| .. | ||
| 1-Visualize | 2 weeks ago | |
| 2-K-Means | 2 weeks ago | |
| README.md | 3 weeks ago | |
README.md
Modelli di clustering per il machine learning
Il clustering è un compito di machine learning che cerca di individuare oggetti simili tra loro e raggrupparli in gruppi chiamati cluster. Ciò che distingue il clustering da altri approcci nel machine learning è che tutto avviene automaticamente; infatti, si può dire che sia l'opposto dell'apprendimento supervisionato.
Argomento regionale: modelli di clustering per i gusti musicali del pubblico nigeriano 🎧
Il pubblico nigeriano, molto variegato, ha gusti musicali altrettanto diversificati. Utilizzando dati raccolti da Spotify (ispirati a questo articolo), analizziamo alcune delle canzoni popolari in Nigeria. Questo dataset include informazioni su vari brani, come il punteggio di 'danceability', 'acousticness', volume, 'speechiness', popolarità ed energia. Sarà interessante scoprire i pattern presenti in questi dati!
Foto di Marcela Laskoski su Unsplash
In questa serie di lezioni, scoprirai nuovi modi per analizzare i dati utilizzando tecniche di clustering. Il clustering è particolarmente utile quando il tuo dataset non ha etichette. Se invece il dataset ha etichette, allora tecniche di classificazione come quelle che hai imparato nelle lezioni precedenti potrebbero essere più utili. Ma nei casi in cui vuoi raggruppare dati non etichettati, il clustering è un ottimo metodo per scoprire pattern.
Esistono strumenti low-code utili per imparare a lavorare con modelli di clustering. Prova Azure ML per questo compito
Lezioni
Crediti
Queste lezioni sono state scritte con 🎶 da Jen Looper con utili revisioni di Rishit Dagli e Muhammad Sakib Khan Inan.
Il dataset Nigerian Songs è stato ottenuto da Kaggle e raccolto da Spotify.
Esempi utili di K-Means che hanno aiutato nella creazione di questa lezione includono questa esplorazione dell'iris, questo notebook introduttivo e questo esempio ipotetico di ONG.
Disclaimer:
Questo documento è stato tradotto utilizzando il servizio di traduzione automatica Co-op Translator. Sebbene ci impegniamo per garantire l'accuratezza, si prega di notare che le traduzioni automatiche possono contenere errori o imprecisioni. Il documento originale nella sua lingua nativa dovrebbe essere considerato la fonte autorevole. Per informazioni critiche, si raccomanda una traduzione professionale effettuata da un traduttore umano. Non siamo responsabili per eventuali incomprensioni o interpretazioni errate derivanti dall'uso di questa traduzione.