آموزش پیاده سازی روشهای کلاسترینگ با Scikit-learn

در این دوره آموزشی قدم به قدم یاد می گیرید که چطور با Scikit-learn کار کرده و کلاسترینگ انجام دهید. 

عنوان اصلی : Building Clustering Models with scikit-learn

سرفصل ها :

بررسی اجمالی دوره
نمای کلی ماژول
پیش نیازها و رئوس مطالب دوره
یادگیری تحت نظارت و بدون نظارت
خوشه بندی اهداف و موارد استفاده
K-به معنای خوشه بندی است
ارزیابی مدل های خوشه بندی
شروع به کار با نصب و راه‌اندازی با یادگیری scikit
انجام K-به معنی خوشه بندی
ارزیابی K-means Clustering
کاوش مجموعه داده Iris
انجام K-means خوشه بندی و ارزیابی
نمای کلی ماژول
دسته بندی الگوریتم های خوشه بندی
راه اندازی توابع کمکی برای انجام خوشه بندی
انتخاب الگوریتم های خوشه بندی
خوشه بندی سلسله مراتبی
خوشه بندی تجمعی
خوشه بندی DBSCAN
خوشه بندی میانگین تغییر
خوشه بندی توس
خوشه بندی انتشار وابستگی
دسته کوچک K-به معنی خوشه بندی
خوشه بندی طیفی با استفاده از یک ماتریس از پیش محاسبه شده
نمای کلی ماژول
درک امتیاز Silhouette
K-به معنی تعداد خوشه ها: روش آرنج
K-به معنی تعداد خوشه ها: روش Silhouette
دانه ها و اندازه گیری های فاصله
تنظیم فراپارامتر: K-means Clustering
تنظیم فراپارامتر: خوشه بندی DBSCAN
تنظیم فراپارامتر: خوشه بندی میانگین شیفت
نمای کلی ماژول
تصاویر به عنوان ماتریس
کاوش مجموعه داده ارقام دست‌نویس MNIST
خوشه بندی داده های تصویری
خلاصه و مطالعه بیشتر