LT
PrisijungtiPradėti
Terminų žodynas

Clustering

Kas yra Clustering?

Klasterizavimas – neprižiūrimojo mokymosi metodas, kuris duomenų taškus suskirsto į grupes pagal panašumą be iš anksto apibrėžtų kategorijų. Jis atskleidžia dėsningumus, kurių niekas anksčiau nebuvo įvardijęs, pavyzdžiui, panašaus pirkimo elgesio klientų segmentus. Dirbant su tekstais klasterizavimas padeda šimtus klientų užklausų suskirstyti į temas, pavyzdžiui, pristatymas, sąskaitos ar skundai, ir parodo, kur sutelktas dėmesys.

Kaip padeda KI.ordo

KI.ordo turi šabloną, kuris užklausų sąrašą suskirsto į tris–aštuonias temines grupes su skaičiais, pavyzdžiais ir rekomendacija.

Sužinoti daugiau : Clustering

Tinkami šablonai

Temos

  • neprižiūrimasis mokymasis
  • grupavimas
  • duomenų analizė

Išbandykite KI.ordo

Agentai, srautai ir šablonai vienoje darbo srityje – nemokama 24 valandų demonstracinė versija.

Pradėti demonstraciją
← Visi terminai

Susiję terminai

K vidurkių klasterizavimas (K-Means)

K vidurkių metodas (k-means) yra mokymosi be priežiūros metodas, kuris duomenų taškus padalija į iš anksto nustatytą skaičių k grupių. Jis kiekvieną tašką priskiria artimiausiam grupės centrui ir tol perkelia šiuos centrus, kol priskyrimai beveik nebesikeičia. Metodas greitas ir lengvai suprantamas, bet reikalauja pagrįstai parinkti k ir kad požymiai būtų panašių mastelių. Pavyzdys: klientų grupavimas pagal pirkimo dažnumą ir krepšelio vertę.

  • Clustering
  • mokymasis be priežiūros
  • +1
Šablonas

Neprižiūrimas mokymasis

Neprižiūrimo mokymosi metu modelis gauna duomenis be iš anksto nustatytų teisingų atsakymų ir pats ieško struktūrų. Tipiniai metodai: klasterizavimas, grupuojantis panašius įrašus, ir dimensijų mažinimas, sutraukiantis daug požymių į kelis svarbiausius. Organizacijos jį naudoja klientų segmentams atrasti ar neįprastiems sandoriams pastebėti; rastas grupes paskui turi interpretuoti srities ekspertai.

  • Mašininis mokymasis
  • Clustering
  • +1

Dimensijų mažinimas

Dimensijų mažinimas sumažina duomenų rinkinio požymių skaičių neprarandant esminės informacijos. Gerai žinomi metodai yra pagrindinių komponenčių analizė (PCA) bei t-SNE ir UMAP, dažnai naudojami vizualizacijai. Tai pagreitina skaičiavimus, sumažina persimokymo riziką ir palengvina duomenų suvokimą – pavyzdžiui, kai šimtai klientų požymių atvaizduojami dvimatėje diagramoje, kurioje panašūs klientai išsidėsto arti vienas kito.

  • duomenų analizė
  • PCA
  • +1

Tekstų klasifikavimas

Tekstų klasifikavimas automatiškai priskiria tekstus iš anksto nustatytoms kategorijoms, pavyzdžiui, el. laiškus – pagal užklausos tipą, atsiliepimus – pagal nuotaiką, dokumentus – pagal temą. Anksčiau tam reikėjo mokyti specialius modelius pagal pažymėtus pavyzdžius; šiandien dideli kalbos modeliai dažnai gali priskirti kategorijas vien pagal aprašymą. Taip galima iš anksto surūšiuoti užklausas ir greičiau nukreipti jas tinkamai komandai.

  • NLP
  • Įvertinimas
  • +1
Šablonas