4.2 KiB
機械学習のためのクラスタリングモデル
クラスタリングは、互いに似ているオブジェクトを見つけ、それらをクラスタと呼ばれるグループにまとめる機械学習のタスクです。他の機械学習アプローチとクラスタリングの違いは、プロセスが自動的に進む点です。実際、教師あり学習とは正反対と言っても良いでしょう。
地域トピック: ナイジェリアの聴衆の音楽嗜好に基づくクラスタリングモデル 🎧
ナイジェリアの多様な聴衆は、多様な音楽嗜好を持っています。Spotifyから収集したデータを使用して（この記事に触発されました）、ナイジェリアで人気の音楽を見てみましょう。このデータセットには、曲の「ダンサビリティ」スコア、「アコースティック性」、音量、「スピーチ性」、人気度、エネルギーに関するデータが含まれています。このデータからパターンを発見するのは興味深いでしょう！
写真提供: Marcela Laskoski on Unsplash
このレッスンシリーズでは、クラスタリング技術を使用してデータを分析する新しい方法を学びます。クラスタリングは、データセットにラベルがない場合に特に役立ちます。ラベルがある場合は、以前のレッスンで学んだ分類技術の方が役立つかもしれません。しかし、ラベルのないデータをグループ化したい場合、クラスタリングはパターンを発見する素晴らしい方法です。
クラスタリングモデルを扱う方法を学ぶのに役立つローコードツールがあります。Azure MLを試してみてください。
レッスン
クレジット
これらのレッスンは🎶を込めてJen Looperによって書かれ、Rishit DagliとMuhammad Sakib Khan Inanによる有益なレビューが加えられました。
Nigerian Songsデータセットは、Spotifyから収集されたものとしてKaggleから提供されました。
このレッスンの作成に役立った有用なK-Meansの例には、アイリスの探索、入門ノートブック、および仮想NGOの例があります。
免責事項:
この文書は、AI翻訳サービス Co-op Translator を使用して翻訳されています。正確性を期すよう努めておりますが、自動翻訳には誤りや不正確な表現が含まれる可能性があります。元の言語で記載された原文を公式な情報源としてご参照ください。重要な情報については、専門の人間による翻訳を推奨します。本翻訳の利用に起因する誤解や誤認について、当社は一切の責任を負いません。