Klastrowanie

Zrozumieć data science

Lis Sulmont

Curriculum Manager, DataCamp

Czym jest klastrowanie?

clustering.jpg

  • Podział danych na kategorie
  • Zastosowania
    • Segmentacja klientów
    • Segmentacja obrazów
    • Wykrywanie anomalii
Zrozumieć data science

Nadzorowane uczenie maszynowe

 

supervised-learning.jpg

Nienadzorowane uczenie maszynowe

 

unsupervised-learning.jpg

Zrozumieć data science

Studium przypadku: odkrywanie nowych gatunków

$$ Dwa kwiaty

Zrozumieć data science

Definiowanie cech

  • Kolory kwiatów
  • Długość i szerokość płatków
  • Długość i szerokość działek kielicha
  • Liczba płatków

Kwiaty z zaznaczonymi cechami

Zrozumieć data science

Określanie liczby klastrów

Dane obserwacji kwiatów

Zrozumieć data science

Porównanie liczby klastrów

Dwa klastry:

Dwa klastry

Trzy klastry:

Trzy klastry

Zrozumieć data science

Porównanie liczby klastrów

Cztery klastry:

Cztery klastry

Osiem klastrów:

Osiem klastrów

Zrozumieć data science

Porównanie liczby klastrów

  • Ostateczna liczba klastrów zależy od użytkownika
  • Pomocna jest wiedza dziedzinowa
Zrozumieć data science

Podsumowanie klastrowania

Definicja

  • Podział nieoznaczonych danych na kategorie

Kroki

  • Wybór cech
  • Wybór liczby klastrów
  • Wykorzystanie klastrów do rozwiązywania problemów
Zrozumieć data science

Czas na ćwiczenia!

Zrozumieć data science

Preparing Video For Download...