یادگیری ماشین با پایتون: k-Means Clustering

مدرس Frederick Nwanganga

انتشار 2022/05/23

به‌روز‌رسانی 2024/05/01

مدت زمان 50m 39s

سطح مناسب همه

فایل تمرینی دارد

آموزش Machine Learning with Python: k-Means Clustering

خوشه بندی - یک رویکرد یادگیری ماشینی بدون نظارت که برای گروه بندی داده ها بر اساس شباهت استفاده می شود - برای کار در تجزیه و تحلیل شبکه، تقسیم بندی بازار، گروه بندی نتایج جستجو، تصویربرداری پزشکی و تشخیص ناهنجاری استفاده می شود. خوشه‌بندی K-means یکی از محبوب‌ترین و آسان‌ترین الگوریتم‌های خوشه‌بندی است. در این دوره آموزشی، Fred Nwanganga به شما نگاهی مقدماتی به خوشه‌بندی k-means می‌دهد – چگونه کار می‌کند، برای چه چیزی خوب است، چه زمانی باید از آن استفاده کنید، چگونه تعداد مناسبی از خوشه‌ها را انتخاب کنید، نقاط قوت و ضعف آن، و موارد دیگر. Fred راهنمایی عملی در مورد نحوه جمع‌آوری، کاوش و تبدیل داده‌ها در آماده‌سازی برای تقسیم‌بندی داده‌ها با استفاده از خوشه‌بندی k-means ارائه می‌کند و راهنمای گام به گام نحوه ساخت چنین مدلی در پایتون را ارائه می‌دهد.

K-Means Clustering Machine Learning Python (Programming Language)

Introduction

Getting started with Python and k-means clustering ()

What you should know ()

The tools you need ()

Using the exercise files ()

1. Understanding K-Means Clustering

What is clustering? ()

What is k-means clustering? ()

Choosing the right number of clusters ()

Why and when to use k-means clustering ()

2. Segmenting Data with K-Means Clustering

How to segment data with k-means clustering in Python ()

How to evaluate and visualize clusters in Python ()

How to find the right number of clusters in Python ()

How to interpret the results of k-means clustering in Python ()

Conclusion

Next steps ()

Ex_Files_ML_with_Python_k_Means_Clustering.zip (7 KB)

دانلود فایل فشرده

با توجه به امکانات آموزش و همچنین امکانات بسته انتخاب شده لینک دانلود فایل فشرده آماده خواهد شد. با در نظر داشتن این شرایط لطفا بسته مورد نظر خود را انتخاب کرده و روی دکمه درخواست لینک دانلود کلیک کنید

در حال به روزرسانی اطلاعات

درخواست لینک دانلود

در حال به روزرسانی اطلاعات

لطفا قبل از فعالسازی لینک دانلود به موارد زیر توجه کنید:

پسورد فایل‌های فشرده است.
لینک‌های آماده شده تا 8 روز پس از فعالسازی منقضی خواهند شد.
حجم فایل‌ها تخمینی هستند.
در صورتی که لینک دانلود تا 15دقیقه پس از درخواست آماده نشد، از بخش پشتیبانی پیگیری نمایید.

مسیرهای یادگیری آموزش یادگیری ماشین با پایتون: k-Means Clustering

یکی از مهمترین مشکلات افرادی که از آموزش های آنلاین استفاده می‌ کنند این است به دلیل تعداد زیاد این آموزش ها، کاربر دچار سردرگمی شده و نمی داند از کدام آموزش بهتر است شروع کند و یا با کدام آموزش ها مهارت های خود را ارتقا دهد. داشتن یک برنامه آموزشی گام به گام میتواند کاربران را از این مشکلات رها کند. در واقع مسیرهای یادگیری مجموعه ای از آموزش ها هستند که به ترتیب اولویت در کنار هم قرار گرفته اند تا کاربران را از این سردرگمی ها نجات دهند. این مسیرها در موضوعات مختلفی دسته بندی شده‌اند که در زیر، لیستی از همه دسته بندی مسیرهایی که توسط سایت لیندا ارائه شده اند را می توانید مشاهده کنید.

آموزش Machine Learning with Python: k-Means Clustering در 2 مسیر آموزشی قرار دارد. تخصص مورد نظر خود را انتخاب کنید، با مسیر یادگیری آن همراه شوید و حرفه ای شوید.

در طراحی و ساخت الگوریتم های یادگیری ماشین غوطه ور شوید. این مسیر یادگیری نشان می دهد که الگوریتم های یادگیری ماشین چگونه کار می کنند و چگونه خودتان آنها را طراحی کنید. چیزهای زیادی برای یادگیری در این زمینه به سرعت در حال رشد و جستجو وجود دارد، و این دوره ها مجموعه مهارت های بسیار قوی را به شما می دهد.

آموزش یادگیری ماشین با پایتون: k-Means Clustering ، ایستگاه شماره 2 در مسیر یادگیری مهارت های خود را به عنوان یک متخصص یادگیری ماشین ارتقا دهید ، است.

مسیر یادگیری مهارت های خود را به عنوان یک متخصص یادگیری ماشین ارتقا دهید

با پایتون وارد دنیای یادگیری ماشین شوید. این مسیر یادگیری گسترده همه چیز را از اصول اولیه گرفته تا الگوریتم های پیشرفته را پوشش می دهد و هم دانش نظری و هم تجربه عملی را ارائه می دهد. چه در این زمینه تازه کار باشید و چه یک حرفه ای باتجربه، این سفر شما را به مهارت های مورد نیاز برای موفقیت در برنامه های کاربردی دنیای واقعی مجهز می کند.

آموزش یادگیری ماشین با پایتون: k-Means Clustering ، ایستگاه شماره 4 در مسیر یادگیری با پایتون برای هوش مصنوعی و یادگیری ماشین توسعه دهید ، است.

مسیر یادگیری با پایتون برای هوش مصنوعی و یادگیری ماشین توسعه دهید