ML-For-Beginners/translations/tw/5-Clustering

機器學習中的分群模型

分群是一種機器學習任務，旨在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反面。

區域主題：針對尼日利亞觀眾音樂品味的分群模型 🎧

尼日利亞的多元化觀眾擁有多樣化的音樂品味。使用從 Spotify 擷取的數據（靈感來自這篇文章），讓我們來看看一些在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 Marcela Laskoski 提供，來自 Unsplash

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用。但在需要對未標記數據進行分組的情況下，分群是一種發現模式的好方法。

有一些有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 來完成這項任務。

課程

1. 分群簡介
2. K-Means 分群

致謝

這些課程由 Jen Looper 精心撰寫，並由 Rishit Dagli 和 Muhammad Sakib Khan Inan 提供了有益的審核。

Nigerian Songs 數據集來自 Kaggle，並從 Spotify 擷取。

有助於創建這些課程的有用 K-Means 示例包括這個鳶尾花探索、這個入門筆記本，以及這個假設的 NGO 示例。

---

免責聲明：
本文件已使用 AI 翻譯服務 Co-op Translator 進行翻譯。儘管我們致力於提供準確的翻譯，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。對於關鍵資訊，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錯誤解釋不承擔責任。