DalšíDalší průvodce
Trojitá ztráta a metrické učení
Základy
PRŮVODCE Základy
Učení bez dozoru hledá strukturu v datech bez cílového štítku pro každý příklad.
Poslechněte si tento návodAI-vyprávěný · ~2 min
Mezi běžné úkoly patří shlukování podobných záznamů a komprimování vysokorozměrných měření do méně dimenzí. Objevené vzorce stále potřebují interpretaci a ověření.
Shlukování příkladů skupin podle pravidla matematické podobnosti. Toto pravidlo závisí na funkcích, jejich škálování, algoritmu a jeho nastavení. Skupina nalezená z četnosti nákupů se může lišit od skupiny zjištěné z preferencí produktu. Neexistuje žádná automatická záruka, která odpovídá kategorii užitečného zákazníka. Redukce rozměrů transformuje sbírku měření na menší reprezentaci. Může pomoci vizualizaci, kompresi nebo jinému modelu. Dvourozměrný obrázek zahazuje informace, takže vzdálenosti a zdánlivé mezery v grafu by neměly být považovány za nezpochybnitelná fakta o původních datech. Vyhodnoťte stabilitu změnou rozumných voleb předběžného zpracování nebo vzorkováním různých záznamů. Prozkoumejte reprezentativní a hraniční příklady. Interní skóre může porovnávat matematické seskupení, ale užitečnost musí být posuzována podle skutečného účelu. Pokud pro část dat existují štítky, mohou poskytnout další externí kontrolu. Neobvyklé příklady mohou být důležité, chybné nebo se mohou pouze lišit od většiny. Skóre anomálie je signálem pro vyšetřování, nikoli důkazem nesprávného chování nebo diagnózy. Před nasazením nehlídaného detektoru stanovte, co následuje po upozornění.
04Zpracovaný příklad
Představte si dva záznamy, které se liší o 1 návštěvu a 1 000 dolarů útraty. Hrubé euklidovské vzdálenosti dominuje rozdíl v dolarech.
Škálujte každý prvek pomocí statistik nasazených na referenční soubor dat a poté znovu porovnejte sousedy.
Před pojmenováním zkontrolujte, zda jsou výsledné skupiny stabilní a užitečné pro daný úkol.
Co ukazuje
Tento vytvořený příklad vysvětluje volbu modelování; nezakládá univerzální metodu shlukování.
Seskupte dokumenty, které si knihovník může prohlédnout a pojmenovat.
Vizualizujte měření senzoru při zachování přístupu k původním rozměrům.
Newsletter zdarma
Tři ověřené příběhy ze světa AI každý všední den ráno, psané srozumitelnou angličtinou. Navždy zdarma, bez reklam.
Jeden e-mail každý všední den. Odhlásit se můžete jedním kliknutím. Vaši adresu nikdy neprodáváme ani nesdílíme.
Otestujte se
Okamžitá zpětná vazba ke každé odpovědi a sdílitelný certifikát s ověřitelným ID po absolvování kurzu.
Podpořte bezplatnou AI vzdělávání. AI Understanding je nezisková organizace 501(c)(3) — žádné reklamy, žádná platba za přístup, nikdy. Darujte
Nachází strukturu za určitých předpokladů. Výsledné skupiny mohou nebo nemusí odpovídat smysluplným kategoriím pro aplikaci.
Učte se dál
Pro toto téma bylo vybráno více průvodců
DalšíDalší průvodce
Trojitá ztráta a metrické učení
Základy