Публикации по теме 'clustering'


Алгоритм кластеризации k-средних: объяснение и реализация
Эта статья поможет вам понять еще один алгоритм машинного обучения без учителя для решения проблем кластеризации. Давай начнем. Вступление k-means - один из самых мягких алгоритмов неконтролируемого обучения, используемых для решения известной проблемы кластеризации. Это итеративный алгоритм, который пытается разделить набор данных на «k» заранее определенных отдельных неперекрывающихся подгрупп (кластеров). Основная идея состоит в том, чтобы определить k центров, по одному для..
Основные термины для начала работы с машинным обучением
«Машинное обучение» — одно из модных словечек, часто используемых параллельно с искусственным интеллектом, глубоким обучением и большими данными, но что оно означает на самом деле? И какую еще терминологию машинного обучения важно понимать? Машинное обучение означает, что точность системы со временем повышается за счет добавления большего количества данных и обратной связи. Вы, вероятно, сталкиваетесь со многими примерами машинного обучения каждый день, даже не осознавая этого. Когда..
Создание поисковой системы, которая группирует результаты поиска
Машинное обучение (ML) — это область, в которой постоянно происходят инновации. Практикам машинного обучения приходится постоянно просматривать документы, чтобы ссылаться на новые новые архитектуры, которые могут быть использованы в их проектах. Вот ссылка , чтобы показать, как эффективно читать статьи. С таким количеством статей, которые нужно прочитать, как мы узнаем, какие статьи похожи, и как мы можем избежать чтения похожих статей? Есть ли способ сгруппировать эти документы вместе..
Исследование иерархической кластеризации: неконтролируемое машинное обучение
Другой популярный метод кластеризации — иерархическая кластеризация. Я видел в кластеризации K-минус, что необходимо указать количество кластеров. Иерархическая кластеризация этого не требует. Иерархическая группировка Перед нашим взором предстаёт несколько длинных линий, образующих группы между собой. В иерархической кластеризации такой граф называется дендрограммой. Чуть позже мы узнаем, что это за дендрограмма. В этой статье будет обсуждаться конвейер иерархической..
Применение кластеризации в устранении дисбаланса целевого класса классификации   — «Пример из практики…
Когда дело доходит до задач классификации в реальных наборах данных, дисбаланс классов является скорее нормой, чем исключением. От моделей машинного обучения, используемых в области медицины, которые могут диагностировать редкие заболевания, до моделей, используемых финансовыми учреждениями в моделировании кредитных рисков для определения потенциальных неплательщиков кредита, сама природа обучающих данных, на которых основаны эти классификаторы, по своей сути несбалансирована. Очевидно, что..
Борьба с потерями воды с помощью Интернета вещей и машинного обучения
Италия страдает от серьезной проблемы потери воды, связанной как с факторами образования граждан в использовании ресурсов, так и с утечками в трубопроводах из-за устаревания и износа труб, а также с неисправностями счетчиков. Проблемы распределительной сети также определяют неэффективность (в частности, перебои с водоснабжением), которые на юге страны случаются в три раза чаще, чем в северных регионах. Компания Revelis , в которой я работаю, разработала IoT-платформу, способную..
Неконтролируемое обучение: разделение (на основе расстояния) кластеризация с использованием K-Means и K-Medoids…
Абстрактный В этом руководстве мы обсудим концепцию разделения на кластеры, популярную технику обучения без учителя, используемую для группировки схожих точек данных в кластеры на основе их сходства и различий. Этот метод делит точки данных на фиксированное количество кластеров, где каждая точка данных принадлежит только одному кластеру. Основная цель разделяющей кластеризации — минимизировать расстояние внутри кластера и максимизировать расстояние между кластерами. Мы описываем два..