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

ម៉ូដែលក្រុមសម្រាប់ការសិក្សាម៉ាស៊ីន

ក្រុមគឺជាការប្រព្រឹត្តិការណ៍សិក្សាម៉ាស៊ីនមួយ ដែលវាមើលរកវត្ថុដែលដូចគ្នា ហើយក៏ផ្ដុំវាទៅជាក្រុមដែលហៅថា ក្រុមសំណុំ។ អ្វីដែលខុសគ្នារវាងការក្រុម និងវិធីសាស្រ្តផ្សេងទៀតក្នុងការសិក្សាម៉ាស៊ីន គឺថា អ្វីៗបានកើតឡើងដោយស្វ័យប្រវត្តិ មិនមែនដូចការសិក្សាផ្ទាល់ដឹកនាំ។

ប្រធានបទតំបន់៖ ម៉ូដែលក្រុមសម្រាប់ចំណូលចិត្តតន្ត្រីរបស់អ្នកស្តាប់នៅនីហ្សេរីយ៉ា 🎧

ចំនូនអ្នកស្តាប់ពហុមុខជាតិនៅនីហ្សេរីយ៉ាមានចំណូលចិត្តតន្ត្រីផ្សេងៗគ្នា។ ដោយប្រើទិន្នន័យដែលទាញយកពី Spotify (បានបង្កើតច្រកពី អត្ថបទនេះ) យើងមកមើលតន្ត្រីដែលពេញនិយមនៅនីហ្សេរីយ៉ា។ ឈុតទិន្នន័យនេះរួមមានទិន្នន័យអំពីពិន្ទុ 'ការ​បន្ទាត់​ចលនា', 'ភាពសំឡេង​ស្ងាត់', រសជាតិសម្លេង, 'ភាពនិយាយ', ភាពពេញនិយម និងថាមពលនៃបទចម្រៀងនានា។ វានឹងគួរឱ្យចាប់អារម្មណ៍ក្នុងការស្វែងរកលំនាំជាក់លាក់នៅក្នុងទិន្នន័យនេះ!

រូបថតដោយ Marcela Laskoski នៅ Unsplash

ក្នុងបណ្ដុំនៃមេរៀននេះ អ្នកនឹងស្វែងរកវិធីថ្មីៗក្នុងការវិភាគទិន្នន័យដោយប្រើបច្ចេកទេសក្រុម។ ក្រុមមានប្រយោជន៍ពិសេសនៅពេលដែលឈុតទិន្នន័យរបស់អ្នកគ្មានស្លាកបង្ហាញ។ បើវាមានស្លាក បច្ចេកទេសចាត់ថ្នាក់ដូចដែលអ្នកបានរៀនក្នុងមេរៀនមុនប្រហែលជាមានប្រយោជន៍ជាង។ តែក្នុងករណីដែលអ្នកចង់បណ្ដុំទិន្នន័យគ្មានស្លាក ក្រុមគឺជាវិធីល្អក្នុងការស្វែងរកលំនាំ។

មានឧបករណ៍កូដទាបដែលមានប្រយោជន៍ដែលអាចជួយអ្នកបង្រៀនអំពីការងារជាមួយម៉ូដែលក្រុម។ សូមសាកល្បង Azure ML សម្រាប់ភារកិច្ចនេះ

មេរៀន

1. ការណែនាំអំពីក្រុមសំណុំ
2. ក្រុមសំណុំ K-Means

អធិប្បាយ

មេរៀនទាំងនេះបានសរសេរដោយ 🎶 ជាមួយ Jen Looper មានការត្រួតពិនិត្យមានប្រយោជន៍ពី Rishit Dagli និង Muhammad Sakib Khan Inan។

ឈុតទិន្នន័យ បទចម្រៀងនីហ្សេរីយ៉ា ត្រូវបានទាញយកពី Kaggle ហើយបានស្រែបថតពី Spotify ។

ឧទាហរណ៍ K-Means មានប្រយោជន៍ដែលជួយក្នុងការបង្កើតមេរៀននេះ រួមមានការស្រាវជ្រាវ ផ្ដើមពីឧទាហរណ៍ iris, សញ្ញាណាមូល សៀវភៅប្រតិបត្តិការណ៍ដំណើរការ និងឧទាហរណ៍ NGO ស្វែងរក ឧទាហរណ៍សារធាតុ។

---

ការដោះស្រាយ៖
ឯកសារនេះត្រូវបានបកប្រែដោយប្រើសេវាបកប្រែ AI Co-op Translator។ ខណៈពេលយើងខិតខំធ្វើឱ្យមានភាពត្រឹមត្រូវ សូមមេត្តាត្រួតពិនិត្យថាការបកប្រែដោយស្វ័យប្រវត្តិអាចមានកំហុសឬកំហុសផ្ទាល់ខ្លួន។ ឯកសារដើមជាភាសាតំណើបត្រូវបានពិចារណា ដោយគេដឹងថាជាដើម។ សម្រាប់ព័ត៌មានសំខាន់ៗ ការបកប្រែដោយមនុស្សជំនាញត្រូវបានផ្ដល់អនុសាសន៍។ យើងមិនទទួលខុសត្រូវចំពោះការយល់ច្រឡំ ឬការបកប្រែខុសៗណាមួយដែលកើតមានពីការប្រើប្រាស់ការបកប្រែនេះនោះទេ។