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.
ML-For-Beginners/translations/ja/5-Clustering/README.md

42 lines
4.2 KiB

This file contains ambiguous Unicode characters!

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": "2025-09-03T22:55:43+00:00",
"source_file": "5-Clustering/README.md",
"language_code": "ja"
}
-->
# 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](https://towardsdatascience.com/country-wise-visual-analysis-of-music-taste-using-spotify-api-seaborn-in-python-77f5b749b421)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!
![ターンテーブル](../../../translated_images/turntable.f2b86b13c53302dc106aa741de9dc96ac372864cf458dd6f879119857aab01da.ja.jpg)
> 写真提供: <a href="https://unsplash.com/@marcelalaskoski?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText">Marcela Laskoski</a> on <a href="https://unsplash.com/s/photos/nigerian-music?utm_source=unsplash&utm_medium=referral&utm_content=creditCopyText">Unsplash</a>
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](https://docs.microsoft.com/learn/modules/create-clustering-model-azure-machine-learning-designer/?WT.mc_id=academic-77952-leestott)を試してみてください。
## レッスン
1. [クラスタリングの概要](1-Visualize/README.md)
2. [K-Meansクラスタリング](2-K-Means/README.md)
## クレジット
これらのレッスンは🎶を込めて[Jen Looper](https://www.twitter.com/jenlooper)によって書かれ、[Rishit Dagli](https://rishit_dagli)と[Muhammad Sakib Khan Inan](https://twitter.com/Sakibinan)による有益なレビューが加えられました。
[Nigerian Songs](https://www.kaggle.com/sootersaalu/nigerian-songs-spotify)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](https://www.kaggle.com/bburns/iris-exploration-pca-k-means-and-gmm-clustering)、[入門ノートブック](https://www.kaggle.com/prashant111/k-means-clustering-with-python)、および[仮想NGOの例](https://www.kaggle.com/ankandash/pca-k-means-clustering-hierarchical-clustering)があります。
---
**免責事項**:
この文書は、AI翻訳サービス [Co-op Translator](https://github.com/Azure/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。