파이썬 k means 예제

Python에서 응집 계층 적 클러스터링이 어떻게 작동하는지 살펴보겠습니다. 먼저 scipy.cluster.hierarchy 및 sklearn.clustering에서 필요한 라이브러리를 가져옵니다. k-means 클러스터링이 어떻게 작동하는지 살펴보겠습니다. 먼저, 제 좋은 친구, 로비를 소개해 드리겠습니다. 즉, 파이썬의 공상 과학 키트 학습 라이브러리에서 make_blobs 함수. make_blobs를 사용하여 작업을 돕기 위해 네 개의 임의클러스터를 만듭니다. 그거에요. sklearn 설명서를 방문하여 파이썬에서 K-Means 클러스터의 적용에 대해 자세히 알아볼 수 있습니다. 클러스터링의 흥미로운 응용 프로그램 중 하나는 이미지 내에서 색상 압축입니다. 예를 들어 수백만 개의 색상이 있는 이미지가 있다고 가정해 보겠습니다. 대부분의 이미지에서 많은 수의 색상이 사용되지 않으며 이미지의 많은 픽셀은 유사하거나 동일한 색상을 갖습니다. 차이점을 설명하기 위해 주요 피자 체인에 있으며 고객의 배달 시간을 예측하는 주문 관리 소프트웨어에 기능을 만드는 임무를 맡았다고 가정해 보겠습니다.

이를 위해 배달 시간, 이동 거리, 요일, 시간대, 직원 및 과거에 여러 배달에 대한 판매량이 있는 데이터 집합이 제공됩니다. 이 데이터에서 향후 배송 시간을 예측할 수 있습니다. 이것은 감독 학습의 좋은 예입니다. K-Means는 비슷한 수단을 찾아서 문제에 접근하고, 그룹의 최소 분산과 일치하는 중심을 반복적으로 찾으려고 시도하는 데 있어 실제 적인 예가 될 수 있는가? 우리는 어떻게 남성과 여성의 얼굴을 구별하기 위해 노력하고 있습니다. 우리는 이미 남성과 여성의 얼굴 사이의 정의 차이가 무엇인지 확실하지 않다, 그래서 우리는 먼저 감독기계 학습에 걸릴. 우리의 희망적인 목표는 자연스럽게 얼굴을 두 그룹으로 그룹화하는 알고리즘을 만드는 것입니다. 이를 위해 플랫 클러스터링을 사용할 가능성이 높으며, 알고리즘이 실제로 정확한지 테스트하여 교육용이 아닌 테스트용으로만 레이블이 지정된 데이터를 사용하여 알고리즘을 테스트할 수 있습니다. 기계가 성공적이라는 것을 알게 되면, 우리는 이제 실제로 우리의 레이블과 남성의 얼굴과 여성의 얼굴을 구성하는 기능을 가지고 있습니다.

 
Mobile Site

Follow Us On Facebook Follow Us On Twitter Follow Us On Google + Follow Us On LinkedIn Follow Us On You Tube Copyright 2020 © All Rights Reserved. Powered by - ARE Network Solutions