用於機器學習的分群模型

分群是機器學習中的一項任務，旨在尋找彼此相似的物件，並將它們分組成稱為叢集的群體。與機器學習中的其他方法不同的是，分群是自動進行的，事實上，可以說它是監督式學習的相反。

地區主題：為奈及利亞觀眾的音樂品味設計的分群模型 🎧

奈及利亞多元化的觀眾擁有多樣的音樂品味。使用從 Spotify 抓取的數據（靈感來自本文），讓我們來看看在奈及利亞流行的一些音樂。此數據集包含各種歌曲的「舞蹈性」分數、「原聲性」、響度、「語音性」、人氣和能量等數據。發掘此數據中的模式將會很有趣！

照片由 Marcela Laskoski 拍攝，出自 Unsplash

在這系列課程中，你將發現使用分群技術分析數據的新方法。當數據集缺少標籤時，分群特別有用。如果有標籤，則像你之前課程中學過的分類技術可能更為適合。但在你想要分組無標籤數據的情況下，分群是一種絕佳的模式發現方式。

有一些有用的低代碼工具，能幫助你學習如何處理分群模型。嘗試用這個任務的 Azure ML 吧

這些課程由 Jen Looper 撰寫🎶，並由 Rishit Dagli 和 Muhammad Sakib Khan Inan 提供寶貴的評審意見。

奈及利亞歌曲數據集來自 Kaggle，為從 Spotify 抓取的數據。

協助撰寫本課程的有用 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設的非政府組織範例。

免責聲明：本文件使用 AI 翻譯服務 Co-op Translator 進行翻譯。雖然我們力求準確，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。對於重要資訊，建議尋求專業人工翻譯。我們不對因使用本翻譯而引起的任何誤解或曲解承擔責任。