Uczenie nienadzorowane: podstawy

Analiza skupień w Pythonie

Shaumik Daityari

Business Analyst

Przykład z życia: Google News

  • Jak Google News klasyfikuje artykuły?
  • Algorytm uczenia nienadzorowanego: klasteryzacja
  • Dopasowanie częstych terminów w artykułach w celu znalezienia podobieństw

Analiza skupień w Pythonie

Dane z etykietami i bez etykiet

Dane bez etykiet

  • Punkt 1: (1, 2)
  • Punkt 2: (2, 2)
  • Punkt 3: (3, 1)

Dane z etykietami

  • Punkt 1: (1, 2), Etykieta: Strefa zagrożenia
  • Punkt 2: (2, 2), Etykieta: Strefa normalna
  • Punkt 3: (3, 1), Etykieta: Strefa normalna
Analiza skupień w Pythonie

Czym jest uczenie nienadzorowane?

  • Grupa algorytmów uczenia maszynowego wykrywających wzorce w danych
  • Dane wejściowe nie są oznaczone, sklasyfikowane ani scharakteryzowane
  • Celem algorytmu jest interpretacja struktury danych
  • Typowe algorytmy: klasteryzacja, sieci neuronowe, wykrywanie anomalii
Analiza skupień w Pythonie

Czym jest klasteryzacja?

  • Proces grupowania elementów o podobnych cechach
  • Elementy w grupach są bardziej podobne do siebie niż do elementów z innych grup
  • Przykład: odległość między punktami na płaszczyźnie 2D
Analiza skupień w Pythonie

Wizualizacja danych do klasteryzacji – obserwacje Pokémonów

from matplotlib import pyplot as plt
x_coordinates = [80, 93, 86, 98, 86, 9, 15, 3, 10, 20, 44, 56, 49, 62, 44]
y_coordinates = [87, 96, 95, 92, 92, 57, 49, 47, 59, 55, 25, 2, 10, 24, 10]
plt.scatter(x_coordinates, y_coordinates)
plt.show()
Analiza skupień w Pythonie

Analiza skupień w Pythonie

Analiza skupień w Pythonie

Czas na ćwiczenia

Analiza skupień w Pythonie

Preparing Video For Download...