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.
2.1 KiB
2.1 KiB
클러스터링을 위한 다른 시각화 방법 연구
지침
이 강의에서는 클러스터링을 준비하기 위해 데이터를 시각화하는 몇 가지 기술을 배웠습니다. 특히 산점도는 객체 그룹을 찾는 데 유용합니다. 산점도를 생성하는 다양한 방법과 라이브러리를 조사하고, 작업 내용을 노트북에 기록하세요. 이 강의의 데이터, 다른 강의의 데이터, 또는 직접 수집한 데이터를 사용할 수 있습니다(단, 노트북에 데이터 출처를 명시해야 합니다). 산점도를 사용하여 데이터를 시각화하고 발견한 내용을 설명하세요.
평가 기준
| 기준 | 우수한 사례 | 적절한 사례 | 개선이 필요한 사례 |
|---|---|---|---|
| 다섯 개의 잘 문서화된 산점도를 포함한 노트북이 제출됨 | 다섯 개 미만의 산점도를 포함하며 문서화가 부족한 노트북이 제출됨 | 불완전한 노트북이 제출됨 |
면책 조항:
이 문서는 AI 번역 서비스 Co-op Translator를 사용하여 번역되었습니다. 정확성을 위해 최선을 다하고 있으나, 자동 번역에는 오류나 부정확성이 포함될 수 있습니다. 원본 문서를 해당 언어로 작성된 상태에서 권위 있는 자료로 간주해야 합니다. 중요한 정보의 경우, 전문적인 인간 번역을 권장합니다. 이 번역 사용으로 인해 발생하는 오해나 잘못된 해석에 대해 당사는 책임을 지지 않습니다.