Kursus Pembuatan Aplikasi Python: Cluster Analysis Unsupervised Machine Learning Python

Teknik ilmu data untuk pengenalan pola, data mining, k-means clustering, dan hierarchical clustering, dan KDE.

Apa yang akan Anda pelajari

• Pahami algoritma K-Means biasa

• Pahami dan sebutkan kelemahan K-Means Clustering

• Pahami algoritma K-Means Clustering yang lembut atau tidak jelas

• Menerapkan Soft K-Means Clustering dalam Kode

• Pahami Pengelompokan Hirarkis

• Jelaskan secara algoritme cara kerja Pengelompokan Aglomeratif Hierarki

• Menerapkan pustaka Pengelompokan Hierarki Scipy ke data

• Pahami cara membaca dendrogram

• Pahami berbagai metrik jarak yang digunakan dalam pengelompokan

• Pahami perbedaan antara single linkage, complete linkage, Ward linkage, dan UPGMA

• Memahami model campuran Gaussian dan bagaimana menggunakannya untuk estimasi kepadatan

• Tulis kode GMM dengan Python

• Jelaskan kapan GMM setara dengan K-Means Clustering

• Jelaskan algoritma pemaksimalan ekspektasi

• Pahami bagaimana GMM mengatasi beberapa kelemahan K-Means

• Pahami masalah Kovariansi Singular dan cara mengatasinya

Persyaratan

• Tahu cara membuat kode dengan Python dan Numpy

• Pasang Numpy dan Scipy

• Aritmatika matriks, probabilitas

Deskripsi

Analisis cluster  adalah pokok dari  pembelajaran mesin  dan  ilmu data tanpa pengawasan .

Ini sangat berguna untuk  data mining  dan  big data  karena  secara otomatis menemukan pola  dalam data, tanpa perlu label, tidak seperti pembelajaran mesin yang diawasi.

Dalam lingkungan dunia nyata, Anda dapat membayangkan bahwa robot atau  kecerdasan buatan  tidak selalu memiliki akses ke jawaban yang optimal, atau mungkin tidak ada jawaban yang benar dan optimal. Anda ingin robot itu dapat menjelajahi dunia sendiri, dan mempelajari banyak hal hanya dengan mencari pola.