در حال حاضر محصولی در سبد خرید شما وجود ندارد.

پنل کاربری

رمز خود را فراموش کرده اید؟ اگر اولین بار است از سایت جدید استفاده میکنید باید پسورد خود را ریست نمایید.
دسته بندی
دسته بندی

در حال حاضر محصولی در سبد خرید شما وجود ندارد.

یادگیری ماشینی با پایتون: خوشه بندی K

13,900 تومان
بیش از یک محصول به صورت دانلودی میخواهید؟ محصول را به سبد خرید اضافه کنید.
افزودن به سبد خرید
خرید دانلودی فوری

در این روش نیاز به افزودن محصول به سبد خرید و تکمیل اطلاعات نیست و شما پس از وارد کردن ایمیل خود و طی کردن مراحل پرداخت لینک های دریافت محصولات را در ایمیل خود دریافت خواهید کرد.

ویدئو معرفی این محصول

خوشه بندی - یک رویکرد یادگیری ماشین بدون نظارت که برای گروه بندی داده ها بر اساس شباهت استفاده می شود - برای کار در تجزیه و تحلیل شبکه ، تقسیم بازار ، گروه بندی نتایج جستجو ، تصویربرداری پزشکی و تشخیص ناهنجاری استفاده می شود. خوشه بندی k-mean یکی از محبوب ترین و آسان ترین الگوریتم های خوشه بندی است. در این دوره ، فرد Nwanganga نگاهی مقدماتی به خوشه بندی K به شما می دهد-نحوه عملکرد آن ، چه چیزی برای آن خوب است ، وقتی باید از آن استفاده کنید ، چگونه می توانید تعداد مناسب خوشه ها ، نقاط قوت و ضعف آن و موارد دیگر را انتخاب کنید. فرد راهنمایی های مفیدی در مورد چگونگی جمع آوری ، کاوش و تبدیل داده ها در آماده سازی داده های تقسیم بندی با استفاده از خوشه بندی K ارائه می دهد ، و یک راهنمای گام به گام در مورد چگونگی ساخت چنین مدلی در پایتون ارائه می دهد.

عنوان اصلی : Machine Learning with Python: k-Means Clustering

سرفصل های دوره :

مقدمه:
شروع با خوشه بندی پایتون و k-means
آنچه باید بدانید
ابزارهای مورد نیاز شما
با استفاده از پرونده های ورزش
1. درک خوشه بندی k-mean:
خوشه بندی چیست؟
K-Means خوشه بندی چیست؟
انتخاب تعداد مناسب خوشه ها
چرا و چه موقع از خوشه بندی k-mean استفاده می کنیم
2. تقسیم داده ها با خوشه بندی k-mean:
نحوه تقسیم داده ها با خوشه بندی k-mean در پایتون
نحوه ارزیابی و تجسم خوشه ها در پایتون
نحوه یافتن تعداد مناسب خوشه ها در پایتون
نحوه تفسیر نتایج خوشه بندی k-mean در پایتون
نتیجه گیری:
مراحل بعدی

نمایش سرفصل های انگلیسی

Machine Learning with Python: k-Means Clustering