Алгоритм кластеризации для смешанных типов данных — K-Prototypes

Автор: AIEngineering

Загружено: 2020-04-17

Просмотров: 48575

Описание: #datascience #machinelearning #ml

Методы, основанные на алгоритме k-средних, эффективны для обработки больших наборов данных, но часто ограничены числовыми данными. K-средние оптимизируют функцию стоимости, определяемую на основе евклидова расстояния
между точками данных и средними значениями кластеров. Минимизация функции стоимости путем вычисления средних значений ограничивает их применение числовыми данными.

Именно здесь K-прототип проявляет себя во всей красе. При применении к числовым данным алгоритм идентичен алгоритму k-средних. Для категориальных данных алгоритм использует простую меру соответствия и несходства
, заменяет средние значения кластеров модами и использует частотный метод для обновления мод в процессе кластеризации, чтобы минимизировать функцию стоимости кластеризации.

Не удается загрузить Youtube-плеер. Проверьте блокировку Youtube в вашей сети.
Повторяем попытку...

Алгоритм кластеризации для смешанных типов данных — K-Prototypes

Доступные форматы для скачивания:

Скачать видео

Информация по загрузке:

Скачать аудио

Похожие видео

Прикладная кластеризация K-средних в R

Прикладная кластеризация K-средних в R

Очистка и анализ данных с помощью Apache Spark

Очистка и анализ данных с помощью Apache Spark

Keras Tuner - Auto Neural Network Architecture Selection

Keras Tuner - Auto Neural Network Architecture Selection

K-Modes intuition and example

K-Modes intuition and example

Module 12- Mastering Clustering in ML: K-Means, K-Modes, K-Prototypes & Hierarchical Methods

Module 12- Mastering Clustering in ML: K-Means, K-Modes, K-Prototypes & Hierarchical Methods

#R | k-Prototypes Clustering | #Rstudio #tidyverse #Clustering #UnsupervisedLearning #클러스터링

#R | k-Prototypes Clustering | #Rstudio #tidyverse #Clustering #UnsupervisedLearning #클러스터링

UMAP Uniform Manifold Approximation and Projection for Dimension Reduction | SciPy 2018 |

UMAP Uniform Manifold Approximation and Projection for Dimension Reduction | SciPy 2018 |

SHAZAM Top 50🏖️Лучшая Музыка 2025🏖️Зарубежные песни Хиты🏖️Популярные Песни Слушать Бесплатно #40

SHAZAM Top 50🏖️Лучшая Музыка 2025🏖️Зарубежные песни Хиты🏖️Популярные Песни Слушать Бесплатно #40

Machine Learning from Basics to Production

Machine Learning from Basics to Production

Запрещенная страна! Кому выгодна Северная Корея и как она выживает?

Запрещенная страна! Кому выгодна Северная Корея и как она выживает?

Как учиться быстро и самому? На примере языков программирования.

Как учиться быстро и самому? На примере языков программирования.

Gradient Boost Part 1 (of 4): Regression Main Ideas

Gradient Boost Part 1 (of 4): Regression Main Ideas

PyCaret - Accelerate your Machine Learning Insights Cycle

PyCaret - Accelerate your Machine Learning Insights Cycle

K Means Clustering Algorithm Example in Python - V1

K Means Clustering Algorithm Example in Python - V1

StatQuest: Principal Component Analysis (PCA), Step-by-Step

StatQuest: Principal Component Analysis (PCA), Step-by-Step

Deep Dive into Spark NLP

Deep Dive into Spark NLP

Кластеризация методом k-средних с нуля на Python [Руководство по машинному обучению]

Кластеризация методом k-средних с нуля на Python [Руководство по машинному обучению]

ЗАБУДЬТЕ ПРО КАМНИ И ОТЕКИ! Правило питья воды для тех, кому за 50 | ОБЪЯСНЕНИЯ

ЗАБУДЬТЕ ПРО КАМНИ И ОТЕКИ! Правило питья воды для тех, кому за 50 | ОБЪЯСНЕНИЯ

Учебник по машинному обучению Python - 13: алгоритм кластеризации K-средних

Учебник по машинному обучению Python - 13: алгоритм кластеризации K-средних

Доступное объяснение ROC и AUC!

Доступное объяснение ROC и AUC!