ML-For-Beginners/translations/zh-HK/5-Clustering

機器學習的群集模型

群集是一種機器學習任務，它旨在尋找彼此相似的物件，並將它們分組成所謂的群集。群集與其他機器學習方法的不同之處在於，所有過程是自動進行的，事實上，可以說它是監督式學習的相反。

地區主題：針對尼日利亞聽眾音樂品味的群集模型 🎧

尼日利亞多元化的聽眾群體擁有多樣化的音樂品味。我們用從 Spotify 擷取的數據（靈感來自this article），來看看在尼日利亞受歡迎的一些音樂。這個資料集包含了各種歌曲的「適合跳舞度」分數、「原聲度」、響度、「語音性」、受歡迎度和能量。探索這些數據中的模式會很有趣！

圖片由 Marcela Laskoski 拍攝，來源於 Unsplash

在這系列課程中，您將會發現使用群集技術分析數據的新方法。當您的資料集缺乏標籤時，群集特別有用。如果資料集中有標籤，那麼像之前課程中學過的分類技術可能會更有用。但在尋找群組無標籤資料的情況下，群集是一個很棒的方式來發現模式。

有一些有用的低程式碼工具可以幫助您學習如何使用群集模型。試試 適用於此任務的 Azure ML

課程

1. 群集入門
2. K-Means 群集

版權聲明

這些課程由 Jen Looper 撰寫並作曲 🎶，並由 Rishit Dagli 及 Muhammad Sakib Khan Inan 提供寶貴的審閱意見。

尼日利亞歌曲 資料集來自於 Kaggle，資料是從 Spotify 擷取而得。

有助於創建本課程的有用 K-Means 範例包括這個 鳶尾花資料集探索、這個 入門筆記本，以及這個 假設性的非政府組織範例。

---

免責聲明： 本文件由 AI 翻譯服務 Co-op Translator 翻譯而成。雖然我們致力於確保準確性，但請注意，機器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。對於重要資訊，建議進行專業人工翻譯。我們不對因使用本翻譯而產生的任何誤解或誤釋承擔責任。