Mateusz Grzyb - data science, machine learning, sztuczna inteligencja
  • Start
  • O mnie
  • Spis treści
  • Mój kanał YouTube
  • Portfolio projektów
  • Czytelnia
  • Kontakt

k-średnich

wybór algorytmu, algorytm klastrujący, algorytm grupujący, grupujące, uczenie maszynowe, bez nadzoru

Wybór odpowiedniego algorytmu. Część 4 – algorytmy grupujące

24 stycznia 2020 Mateusz Grzyb 0

W cyklu „Wybór odpowiedniego algorytmu” przyszedł czas na omówienie algorytmów grupujących. Obiektywnie, w kwestii doboru odpowiedniego algorytmu grupowanie jest znacznie bardziej złożone niż regresja, czy […]

grupowanie, segmentacja, rfm, projekt, k-means, k-średnich

Segmentacja behawioralna klientów z użyciem metody RFM

14 grudnia 2019 Mateusz Grzyb 4

Segmentacja wcale nie musi być skomplikowana. Najważniejszy jest jej efekt i korzyści jakie przynosi dla firmy. W tym projekcie chciałbym pokazać jak szybko, łatwo i […]

k-modes, k-średnich, segmentacja, grupowanie, data science

Grupowanie zmiennych ciągłych – k-średnich vs k-modes

17 lipca 2019 Mateusz Grzyb 0

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 […]

k-prototypes, k-modes, k-prototypów, k-średnich, data science, segmentacja, grupowanie

K-prototypów – grupowanie zmiennych kategorycznych i ciągłych

17 lipca 2019 Mateusz Grzyb 0

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 […]

k-modes, data science, segmentacja, grupowanie, k-średnich

K-modes – grupowanie zmiennych kategorycznych

6 lipca 2019 Mateusz Grzyb 1

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 […]

data science, segmentacja, grupowanie, k-media, k-średnich, k-means

K-median – alternatywa dla algorytmu k-średnich

29 czerwca 2019 Mateusz Grzyb 2

W poprzednich wpisach omawiałem algorytm k-średnich. Dziś przedstawiam kolejnego przedstawiciela grupy algorytmów iteracyjno-optymalizacyjnych, który jest świetną alternatywą dla popularnego k-meansa.

k-prototype, grupowanie, segmentacja, k-średnich, projekt, data science, uczenie maszynowe, sztuczna inteligencja

Segmentacja pokemonów, czyli wpis z okazji Międzynarodowego Dnia Dziecka

1 czerwca 2019 Mateusz Grzyb 0

Dziś w całej Polsce obchodzimy Międzynarodowy Dzień Dziecka. Z tej okazji publikuję nietypowy wpis w którym wykonuję grupowanie Pokemonów. 😉

grupowanie, klastrowanie, analiza skupień, segmentacja, k-średnich, k-means, aglorytmy klasteryzacyjne

7 ograniczeń algorytmu k-średnich, o których warto wiedzieć

7 maja 2019 Mateusz Grzyb 0

Stosując wybrany algorytm, warto znać jego ograniczenia. W tym wpisie skupiam się na tych, które dotyczą algorytmu k-średnich.

grupowanie, klastrowanie, analiza skupień, segmentacja, k-średnich, k-means, aglorytmy klasteryzacyjne

Grupowanie iteracyjno-optymalizacyjne. Algorytm k-średnich – praktyka

27 kwietnia 2019 Mateusz Grzyb 0

W pierwszym wpisie na temat grupowania z użyciem algorytmów iteracyjno-optymalizacyjnych skupiłem się na omówieniu podstawowych pojęć i teoretycznym wprowadzeniu. Dziś kolej na część praktyczną. Zapraszam! […]

grupowanie, klastrowanie, analiza skupień, segmentacja, k-średnich, k-means, aglorytmy klasteryzacyjne

Grupowanie iteracyjno-optymalizacyjne. Algorytm k-średnich – teoria

28 marca 2019 Mateusz Grzyb 0

W tym wpisie na tapetę biorę k-średnich, czyli prawdopodobnie najpopularniejszy algorytm wykorzystywany w grupowaniu.

O blogu

Blog o Data Science

W Data Science teoria to 20% sukcesu - reszta to świadome i przemyślane działanie.
Na łamach mojego bloga w prosty sposób opisuję jak w praktyce zastosować zaawansowane algorytmy, techniki i narzędzia z dziedziny Data Science.

POBIERZ BEZPŁATNY PORADNIK

Pamiętasz zasadę Pareto? W bezpłatnym poradniku, który przygotowałem, omawiam 20% technik, które w codziennej pracy z danymi przynoszą 80% efektów.

Zapisz się na mój newsletter i pobierz bezpłatny poradnik: „10 kroków do lepszego zrozumienia danych". Dzięki niemu nadasz odpowiednią strukturę swojej pracy, lepiej zrozumiesz analizowany zbiór i zaoszczędzisz czas.

Copyright © 2016 - 2023 MG Mateusz Grzyb | Strona używa plików cookies. Kontynuowanie przeglądania oznacza zgodę na ich użycie. | Polityka prywatności | Regulamin szkolenia

×