LV
PieteiktiesSākt tagad
Glosārijs

Clustering

Kas ir Clustering?

Klasterizācija ir nepārraudzītas mācīšanās metode, kas sadala datu punktus grupās pēc to līdzības bez iepriekš noteiktām kategorijām. Tā atklāj modeļus, kurus neviens iepriekš nav nosaucis, – piemēram, klientu segmentus ar līdzīgu pirkšanas uzvedību. Tekstu gadījumā klasterizācija palīdz sakārtot simtiem klientu pieprasījumu tēmās, piemēram, piegāde, rēķini vai sūdzības, un parāda, kur ir uzsvars.

Kā palīdz KI.ordo

KI.ordo ietver veidni, kas sakārto pieprasījumu sarakstu trīs līdz astoņās tēmu grupās ar skaitu, piemēriem un ieteikumu.

Uzzināt vairāk : Clustering

Atbilstošas veidnes

Tēmas

  • nepārraudzītā mācīšanās
  • grupēšana
  • datu analīze

Izmēģiniet KI.ordo

Aģenti, plūsmas un veidnes vienā darbvietā – bezmaksas 24 stundu demo.

Sākt demo
← Visi termini

Saistītie termini

K-vidējo klasterizācija (k-means)

K-vidējo metode (k-means) ir mācīšanās bez uzraudzības metode, kas datu punktus sadala iepriekš noteiktā skaitā k grupu. Tā katru punktu piešķir tuvākajam grupas centram un turpina pārvietot šos centrus, līdz piešķīrumi gandrīz vairs nemainās. Metode ir ātra un viegli saprotama, taču prasa saprātīgu k izvēli un salīdzināma mēroga pazīmes. Piemērs: klientu grupēšana pēc pirkumu biežuma un groza vērtības.

  • Clustering
  • Mācīšanās bez uzraudzības
  • +1
Veidne

Neuzraudzītā mācīšanās

Neuzraudzītajā mācīšanā modelis saņem datus bez iepriekš definētām pareizajām atbildēm un pats meklē struktūras. Tipiskas metodes ir klasterizācija, kas grupē līdzīgus ierakstus, un dimensiju samazināšana, kas daudzas pazīmes sasaista dažās būtiskās. Organizācijas to izmanto, lai atklātu klientu segmentus vai pamanītu neparastus darījumus; atrastās grupas pēc tam jāinterpretē jomas ekspertiem.

  • Mašīnmācīšanās
  • Clustering
  • +1

Dimensiju samazināšana

Dimensiju samazināšana mazina datu kopas pazīmju skaitu, nezaudējot būtisko informāciju. Plaši pazīstamas metodes ir galveno komponentu analīze (PCA), kā arī t-SNE un UMAP, ko bieži izmanto vizualizācijai. Tā paātrina aprēķinus, mazina pārmācīšanās risku un padara datus vieglāk aptveramus — piemēram, ja simtiem klientu atribūtu tiek attēloti divdimensiju diagrammā, kurā līdzīgi klienti atrodas tuvu cits citam.

  • datu analīze
  • PCA
  • +1

Teksta klasifikācija

Teksta klasifikācija automātiski piešķir tekstus iepriekš definētām kategorijām, piemēram, e-pastus pēc pieprasījuma veida, atsauksmes pēc noskaņojuma vai dokumentus pēc tēmas. Agrāk tam bija jāapmāca atsevišķi modeļi ar marķētiem piemēriem; mūsdienās lielie valodas modeļi bieži var piešķirt kategorijas, pamatojoties tikai uz aprakstu. Tas ļauj iepriekš šķirot pieprasījumus un ātrāk novirzīt tos pie pareizās komandas.

  • NLP
  • Novērtējums
  • +1
Veidne