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

គំរូក្លាស្តឺរីសម្រាប់ការរៀនម៉ាស៊ីន

ក្លាស្តឺរីគឺជាការប្រព្រឹត្តការងាររៀនម៉ាស៊ីនមួយដែលស្វែងរកវត្ថុដែលមានការខុសគ្នា និងបែងចែកវាទៅជាក្រុមដែលហៅថា cluster។ អ្វីដែលបញ្ជាក់ភាពខុសគ្នារវាងក្លាស្តឺរីជាមួយវិធីសាស្រ្តផ្សេងទៀតក្នុងការរៀនម៉ាស៊ីន គឺវាកើតឡើងដោយស្វ័យប្រវត្តិ ជាក់លាក់ជាអ្វីដែលអាចនិយាយថា វាជា វិធីដែលផ្ទុយពីការរៀនដែលមានការត្រួតពិនិត្យ។

ប្រធានបទតំបន់៖ គំរូក្លាស្តឺរីសម្រាប់អារម្មណ៍តន្ត្រីរបស់សាធារណជននីហ្សេរី 🎧

សាធារណជននីហ្សេរីមានរសជាតិតន្ត្រីជាច្រើន។ ដោយប្រើ​ទិន្នន័យដែលបានប្រមូលពីSpotify (ដោយយកចិត្តទុកដាក់លើ អត្ថបទនេះ) អ្នកនឹងមើលឃើញតន្ត្រីដែលពេញនិយមនៅក្នុងនីហ្សេរី។ ឌាតាសែលនេះរួមបញ្ចូលទិន្នន័យអំពីពិន្ទុ 'danceability' របស់បទចម្រៀង ពិន្ទុ 'acousticness' ភាពខ្លាំង សំឡេងនិយាយ ភាពពេញនិយម និងថាមពល។ វានឹងគួរឲ្យចាប់អារម្មណ៍ក្នុងការរកឃើញគំរូនៅក្នុងទិន្នន័យនេះ!

រូបថតដោយ Marcela Laskoski នៅលើ Unsplash

ក្នុងស៊េរីមេរៀននេះ អ្នកនឹងបានស្វែងយល់ពីវិធីថ្មីៗក្នុងការវិភាគទិន្នន័យដោយប្រើបច្ចេកវិធីក្លាស្តឺរី។ ក្លាស្តឺរីមានប្រយោជន៍ពិសេសនៅពេលដែលឌាតាតាមអ្នកគ្មានស្លាកទិន្នន័យ ប្រសិនបើវាមានស្លាកទិន្នន័យវិធីសាស្រ្តចំរុះដូចនេះដែលអ្នកបានរៀននៅមេរៀនមុនអាចមានប្រយោជន៍ជាង។ ប៉ុន្តែនៅក្នុងករណីដែលអ្នកស្វែងរកការបែងចែកឌាតាដែលគ្មានស្លាកទិន្នន័យ ក្លាស្តឺរីគឺជាវិធីល្អក្នុងការស្វែងរកគំរូ។

មានឧបករណ៍តិចកូដដែលមានប្រយោជន៍ជួយឲ្យអ្នករៀនពីការងារជាមួយគំរូក្លាស្តឺរី។ សាកល្បង Azure ML សម្រាប់ភារកិច្ចនេះ

មេរៀន

1. ការណែនាំអំពីក្លាស្តឺរី
2. ក្លាស្តឺរី K-Means

ឯកឧត្តម

មេរៀនទាំងនេះត្រូវបានសរសេរទៅជាមួយនឹង​សំឡេងតន្ត្រី 🎶 ដោយ Jen Looper និងមានការពិនិត្យយ៉ាងល្អពី Rishit Dagli និង Muhammad Sakib Khan Inan។

ឌាតាសែល បទចម្រៀងនីហ្សេរី ត្រូវបានយកចេញពី Kaggle ដោយប្រមូលពី Spotify។

ឧទាហរណ៍ K-Means ដែលមានប្រយោជន៍ ដែលបានជួយក្នុងការបង្កើតមេរៀននេះរួមមាន ការស្រាវជ្រាវលើផ្កា iris, សៀវភៅកំណត់ហេតុចាប់ផ្តើម និង ឧទាហរណ៍ NGO ស្មាន។

---

ការបដិសេធ: ឯកសារនេះត្រូវបានបម្លែងភាសា ដោយប្រើសេវាបម្លែងភាសា AI Co-op Translator។ ទោះយើងខ្ញុំមានក្តីប្រាថ្នាឱ្យបានច្បាស់លាស់ តែសូមយល់ដឹងថាការបម្លែងដោយស្វ័យប្រវត្តិក៏អាចមានកំហុសឬភាពមិនត្រឹមត្រូវ។ ឯកសារដើមជាភាសាទីតាំងគួរត្រូវបានគេប្រើជាប្រភពច្បាស់លាស់។ សម្រាប់ព័ត៌មានសំខាន់ៗ សូមណែនាំឱ្យប្រើប្រាស់ការប្រែដោយមនុស្សជំនាញ។ យើងខ្ញុំមិនទទួលខុសត្រូវចំពោះការយល់ច្រឡំ ឬការបកស្រាយខុសបន្ទាប់ពីការប្រើប្រាស់ការបម្លែងនេះនោះទេ។