Публикации по теме 'k-means'


Максимизация ожиданий
Взгляд на генеративные алгоритмы Кластеризация с использованием метода K-средних - один из самых простых алгоритмов, который также оказался довольно надежным. Если вы хотите выполнить машинное обучение для некоторых немаркированных данных, вам следует рассмотреть кластеризацию K-средних в качестве первого предпочтительного алгоритма. Сказав это, есть некоторые фундаментальные проблемы с кластеризацией K-средних. Начнем с того, что кластеризация K-средних не имеет какой-либо..
Использование K-средних, иерархической кластеризации и DBSCAN для группировки клиентов
Сегментация клиентов — это мощный инструмент для компаний, стремящихся оптимизировать свои усилия в области маркетинга и продаж. Разделяя клиентов на более мелкие группы на основе общих характеристик или поведения, компании могут адаптировать свои кампании к конкретным сегментам, потенциально повышая их эффективность. Одним из распространенных подходов к сегментации клиентов является использование алгоритмов кластеризации. Алгоритмы кластеризации группируют точки данных в кластеры на..
Понимание кластеризации K-средних
Кластеризация  – это метод, широко используемый для поиска групп наблюдений (называемых кластерами), имеющих схожие характеристики. Цель состоит в том, чтобы найти группу (кластер), такую, чтобы все точки данных кластера имели большее сходство между собой, чем другие точки данных в другой группе. k-means — это один из самых простых алгоритмов обучения без учителя. это решение может решить эту проблему кластеризации. Что такое К-средства? K-means, вероятно, является одним из наиболее..
Четыре ошибки в кластеризации, которых следует избегать
Важнейшие шаги в кластерном анализе, которые должен знать каждый tl;dr Отсутствие исчерпывающего исследовательского анализа данных и удобоваримой очистки данных Отсутствует масштабирование функции Создание репрезентативных кластеров Отсутствует описание результатов кластера После того, как я увидел и много поработал с подходами к кластеризации и анализу, я хотел бы поделиться с вами четырьмя распространенными ошибками в кластерном анализе и способами их избежать. Ошибка №1:..
Обработка изображений с помощью Python - извлечение данных изображений для кластеризации
Как получить больше функций из изображения для улучшения результатов кластеризации В предыдущей статье мы исследовали идею применения алгоритма K-средних для автоматического сегментирования нашего изображения. Однако мы сосредоточились только на цветовом пространстве RGB. Конечно, цветовое пространство RGB является собственным форматом для большинства изображений, однако в этой статье мы выйдем за его рамки и увидим эффекты использования разных цветовых пространств в результирующих..
Обучение без учителя: K-средства против иерархической кластеризации
При выполнении неконтролируемого учебного задания данные, которые вам предоставляются, не помечаются. Это означает, что ваш алгоритм будет стремиться вывести внутреннюю структуру данных, пытаясь сгруппировать или кластеризовать их в классы в зависимости от сходства между ними. Есть два основных алгоритма кластеризации, на которых я хотел бы остановиться: K-означает Иерархическая кластеризация Давайте посмотрим на них подробнее. K-означает Первым шагом этого алгоритма является..
Анализ времени сходимости алгоритма K-средних с использованием средних точек поровну разделенных областей между…
Использование средних точек равномерно разделенных областей между минимальными и максимальными значениями K-Means - это алгоритм машинного обучения без учителя для группировки схожих точек данных вместе. Например, представьте, что у нас есть набор данных, содержащий количество людей, потребляющих фаст-фуд в регионе, климатические условия (температура и количество осадков) в этом регионе и уровень смертности. Теперь мы хотим идентифицировать группы в наборе данных, которые имеют корреляцию..