HU
BejelentkezésKezdje el most
Fogalomtár

K-közép klaszterezés

Mi a(z) K-közép klaszterezés?

A k-közép (k-means) felügyelet nélküli tanulási módszer, amely az adatpontokat előre meghatározott számú, k csoportra osztja. Minden pontot a legközelebbi csoportközépponthoz rendel, és addig mozgatja ezeket a középpontokat, amíg a hozzárendelések alig változnak. A módszer gyors és könnyen érthető, de értelmes k-választást és összehasonlítható skálájú jellemzőket igényel. Példa: ügyfelek csoportosítása a vásárlási gyakoriság és a kosárérték szerint.

Így segít a KI.ordo

A KI.ordo megkeresések téma szerinti csoportosítására szolgáló sablonja hasonló célt követ, de a csoportokat nyelvi modellel alakítja ki, nem k-középpel.

További információ : K-közép klaszterezés

Kapcsolódó sablonok

Témák

  • Clustering
  • felügyelet nélküli tanulás
  • algoritmus

Próbálja ki a KI.ordót

Ügynökök, munkafolyamatok és sablonok egyetlen munkaterületen – ingyenes, 24 órás demó.

Demó indítása
← Minden fogalom

Kapcsolódó fogalmak

Clustering

A klaszterezés felügyelet nélküli tanulási módszer, amely előre meghatározott kategóriák nélkül, hasonlóságuk alapján csoportokra osztja az adatpontokat. Olyan mintázatokat tár fel, amelyeket korábban senki sem nevezett meg – például hasonló vásárlási szokású ügyfélszegmenseket. Szövegek esetén a klaszterezés segít több száz ügyfélmegkeresést olyan témák szerint rendezni, mint a szállítás, a számlázás vagy a panaszok, és megmutatja, hol van a hangsúly.

  • felügyelet nélküli tanulás
  • csoportosítás
  • +1
Sablon

Felügyelet nélküli tanulás

A felügyelet nélküli tanulásban a modell előre meghatározott helyes válaszok nélküli adatokat kap, és maga keres bennük struktúrákat. Tipikus módszerek a klaszterezés, amely a hasonló rekordokat csoportosítja, és a dimenziócsökkentés, amely sok jellemzőt néhány lényegesre sűrít. A szervezetek ügyfélszegmensek felfedezésére vagy szokatlan tranzakciók kiszűrésére használják; a talált csoportokat ezután szakterületi szakértőknek kell értelmezniük.

  • Gépi tanulás
  • Clustering
  • +1

K legközelebbi szomszéd

A k legközelebbi szomszéd (k-nearest neighbours, k-NN) egyszerű felügyelt tanulási módszer. Egy új adatpont osztályozásához megkeresi a k leghasonlóbb ismert példát, és átveszi azok leggyakoribb osztályát, számértékeknél pedig az átlagukat. Nincs igazi tanítási fázisa, de nagy adathalmazoknál lassúvá válik, és érzékeny a jellemzők skálázására. Példa: termékajánlások hasonló ügyfelek alapján.

  • Besorolás
  • felügyelt tanulás
  • +1

Dimenziócsökkentés

A dimenziócsökkentés egy adathalmaz jellemzőinek számát csökkenti anélkül, hogy a lényeges információ elveszne. Ismert módszerei a főkomponens-elemzés (PCA), valamint a gyakran vizualizációra használt t-SNE és UMAP. Gyorsítja a számítást, csökkenti a túlillesztés kockázatát, és áttekinthetőbbé teszi az adatokat – például amikor ügyfelek több száz attribútumát egy kétdimenziós diagramra képezik le, ahol a hasonló ügyfelek közel kerülnek egymáshoz.

  • adatelemzés
  • PCA
  • +1