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

用於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為稱為群集的群組。群集與機器學習中的其他方法不同之處在於一切自動發生，事實上，可以說它是監督式學習的相反。

地區主題：針對奈及利亞觀眾音樂品味的群集模型 🎧

奈及利亞多元的觀眾擁有多元的音樂品味。利用從 Spotify 擷取的資料（靈感來自this article），讓我們看看在奈及利亞流行的一些音樂。此資料集包含關於各首歌曲的「舞蹈性」分數、「聲學性」、響度、「語音性」、流行度和能量的數據。發掘這些數據中的模式將會很有趣！

照片由 Marcela Laskoski 拍攝，來自 Unsplash

在這系列課程中，你將發現利用群集技術分析數據的新方法。群集特別適用於資料集中缺少標籤的情況。如果有標籤，則如同你在先前課程中學到的分類技術可能會更有用。但在尋找將無標籤資料分組的情況下，群集是一種發現模式的極佳方法。

有許多實用的低程式碼工具可以幫助你學習如何使用群集模型。試試這個任務用的Azure ML

課程

1. 群集介紹
2. K-均值群集

參考資料

這些課程是由 🎶 Jen Looper 撰寫，並由 Rishit Dagli 和 Muhammad Sakib Khan Inan 提供寶貴的評論。

奈及利亞歌曲 資料集取自 Kaggle，資料是從 Spotify 擷取的。

協助本課程製作的有用 K-均值範例包括這個鳶尾花探索、這個入門筆記本以及這個假想 NGO 案例。

---

免責聲明： 此文件已使用 AI 翻譯服務 Co-op Translator 進行翻譯。雖然我們努力追求準確性，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視為權威來源。對於關鍵資訊，建議採用專業人工翻譯。我們不對因使用此翻譯所產生的任何誤解或誤譯承擔責任。