Data Science od kilku lat przeżywa nieustający rozkwit. Dzisiejsze media wieszczą specjalistom od ML świetlaną przyszłość. Czy tak się jednak stanie?
Mateusz Grzyb
Wybór liczby segmentów w algorytmie k-średnich
Część algorytmów uczenia maszynowego wymaga, by z góry podać docelową liczbę grup. Jak zatem dokonać w sposób obiektywny najlepszego wyboru?
Ocena jakości modelu segmentacyjnego
Czy wynik algorytmu działającego „bez nadzoru” można ocenić? I czy „bez nadzoru” zawsze oznacza: bez miary jakości?
Jak ocenić potencjał zbioru przed grupowaniem?
Praca przy grupowaniu rozpoczyna się tak naprawdę już na etapie przygotowywania zbioru. Podczas selekcji zmiennych warto wiedzieć jak mierzyć ich wpływ na potencjał naszej ABT.
Grupowanie gęstościowe. Algorytm DBSCAN – praktyka
W poprzednim wpisie na temat grupowania gęstościowego skupiłem się na omówieniu podstawowych pojęć i teoretycznym wprowadzeniu. Dziś kolej na część praktyczną. Zapraszam! 🙂
Grupowanie gęstościowe. Algorytm DBSCAN – teoria
Dziś rozpoczynam omawianie algorytmów grupowania gęstościowego. Jako przykładem posłużę się DBSCAN-em – ich podaj najpopularniejszym reprezentantem.
Grupowanie zmiennych ciągłych – k-średnich vs k-modes
Postanowiłem zrobić mały eksperyment i porównać działanie dwóch algorytmów na tym samym zbiorze. Czy k-średnich poradzi sobie lepiej ze zmiennymi ciągłymi, niz k-modes z kategoryzowanymi zmiennymi ciągłymi?
K-prototypów – grupowanie zmiennych kategorycznych i ciągłych
Ostatni, najbardziej zaawansowany z algorytmów iteracyjno-optymalizacyjnych, który opisuję na blogu. K-prototypów, bo o nim mowa pozwala na grupowanie mieszanego zbioru składającego się ze zmiennych kategorycznych i ciągłych.
K-modes – grupowanie zmiennych kategorycznych
Gdy zbiór zawiera zmienne numeryczne mamy do wyboru całą gamę algorytmów grupujących. Całość się nieco komplikuje, gdy w grę wchodzą zmienne kategoryczne. W tej sytuacji rozwiązaniem może być algorytm k-modes.
K-median – alternatywa dla algorytmu k-średnich
W poprzednich wpisach omawiałem algorytm k-średnich. Dziś przedstawiam kolejnego przedstawiciela grupy algorytmów iteracyjno-optymalizacyjnych, który jest świetną alternatywą dla popularnego k-meansa.