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": "2025-08-29T20:52:23+00:00",
"source_file": "5-Clustering/README.md",
"language_code": "mo"
}
-->
# 機器學習中的分群模型
分群是一種機器學習任務，目的是尋找彼此相似的物件，並將它們分組成稱為「群集」的群體。分群與機器學習中的其他方法不同之處在於，它是自動進行的。事實上，可以說它是監督式學習的相反。
## 區域主題：針對尼日利亞觀眾音樂品味的分群模型 🎧
尼日利亞多元化的觀眾擁有多樣的音樂品味。利用從 Spotify 擷取的數據（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，您將學習使用分群技術分析數據的新方法。當您的數據集中缺乏標籤時，分群特別有用。如果數據集有標籤，那麼您在之前課程中學到的分類技術可能會更有幫助。但在需要對未標籤數據進行分組的情況下，分群是一種發現模式的絕佳方法。
> 有一些實用的低代碼工具可以幫助您學習如何使用分群模型。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. [分群簡介 ](1-Visualize/README.md )
2. [K-Means 分群 ](2-K-Means/README.md )
## 致謝
這些課程由 [Jen Looper ](https://www.twitter.com/jenlooper ) 精心撰寫，並由 [Rishit Dagli ](https://rishit_dagli ) 和 [Muhammad Sakib Khan Inan ](https://twitter.com/Sakibinan ) 提供了寶貴的審閱意見。
[Nigerian Songs ](https://www.kaggle.com/sootersaalu/nigerian-songs-spotify ) 數據集來自 Kaggle，
在創建這些課程時，以下 K-Means 的實例提供了幫助，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 AI 翻譯服務 [Co-op Translator ](https://github.com/Azure/co-op-translator ) 進行翻譯。儘管我們努力確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於關鍵信息，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誤釋不承擔責任。
