वास्तविक दुनिया में Unsupervised Learning

निम्न में से कौन-सा उदाहरण अनसुपरवाइज़्ड लर्निंग से हल किया जा सकता है?

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में क्लस्टर विश्लेषण

पाठ्यक्रम देखें

इंटरैक्टिव व्यावहारिक अभ्यास

हमारे इंटरैक्टिव अभ्यासों में से किसी एक के साथ सिद्धांत को व्यवहार में बदलें

अभ्यास शुरू करें

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में क्लस्टर विश्लेषण

SkillTag.level.intermediateSkillTag.label

4.8+

1014 reviews

पाठ्यक्रम मुफ्त में शुरू करें

समाचार लेखों को वर्गीकृत करने के लिए तैयार होने से पहले, क्लस्टरिंग की बुनियादी बातें जानना ज़रूरी है। यह अध्याय आपको मशीन लर्निंग की एक श्रेणी, जिसे अनसुपरवाइज़्ड लर्निंग कहते हैं, से परिचित कराता है और फिर क्लस्टरिंग से, जो एक लोकप्रिय अनसुपरवाइज़्ड लर्निंग एल्गोरिदम है। आप दो लोकप्रिय क्लस्टरिंग तकनीकों — हाइयरार्किकल क्लस्टरिंग और k-means क्लस्टरिंग — के बारे में जानेंगे। अध्याय का समापन क्लस्टरिंग शुरू करने से पहले किए जाने वाले बेसिक प्री-प्रोसेसिंग स्टेप्स से होता है।

Exercise 1: Unsupervised learning: मूल बातें Exercise 2: वास्तविक दुनिया में Unsupervised Learning

वर्तमान अभ्यास

Exercise 3: पोकेमॉन sightings Exercise 4: क्लस्टर विश्लेषण की बुनियाद Exercise 5: पोकेमॉन sightings: hierarchical clustering Exercise 6: पोकेमॉन sightings: k-means क्लस्टरिंग Exercise 7: क्लस्टर विश्लेषण के लिए डेटा तैयारी Exercise 8: बेसिक list डेटा को normalize करें Exercise 9: नॉर्मलाइज़्ड डेटा को विज़ुअलाइज़ करें Exercise 10: छोटे संख्याओं का नॉर्मलाइज़ेशन Exercise 11: FIFA 18: डेटा को normalize करें

यह अध्याय एक लोकप्रिय क्लस्टरिंग एल्गोरिदम — हाइयरार्किकल क्लस्टरिंग — और SciPy में उसकी इम्प्लीमेंटेशन पर केंद्रित है। हाइयरार्किकल क्लस्टरिंग करने की प्रक्रिया के अलावा, यह आपको एक महत्वपूर्ण सवाल का जवाब ढूँढने में मदद करने की कोशिश करता है — आपके डेटा में कितने क्लस्टर्स मौजूद हैं? अध्याय का समापन हाइयरार्किकल क्लस्टरिंग की सीमाओं पर चर्चा और इसे उपयोग करते समय ध्यान देने योग्य बातों के साथ होता है।

Exercise 1: Hierarchical clustering के बेसिक्स Exercise 2: Hierarchical clustering: ward method Exercise 3: Hierarchical clustering: single method Exercise 4: Hierarchical clustering: complete method Exercise 5: क्लस्टर्स को विज़ुअलाइज़ करें Exercise 6: matplotlib के साथ क्लस्टर्स को विज़ुअलाइज़ करें Exercise 7: seaborn के साथ क्लस्टर विज़ुअलाइज़ करें Exercise 8: कितने क्लस्टर?Exercise 9: एक डेंड्रोग्राम बनाएँ Exercise 10: Comic Con डेटा में कितने क्लस्टर्स?Exercise 11: Hierarchical clustering की सीमाएँ Exercise 12: Hierarchical clustering के समय की जाँच Exercise 13: FIFA 18: डिफेंडरों की जाँच-पड़ताल

यह अध्याय एक अलग क्लस्टरिंग एल्गोरिदम — k-means क्लस्टरिंग — और SciPy में उसकी इम्प्लीमेंटेशन से परिचित कराता है। k-means क्लस्टरिंग, पिछले अध्याय में बताई गई हाइयरार्किकल क्लस्टरिंग की सबसे बड़ी कमी को दूर करती है। चूँकि डेंड्रोग्राम विशेष रूप से हाइयरार्किकल क्लस्टरिंग से जुड़े होते हैं, यह अध्याय k-means चलाने से पहले क्लस्टर्स की संख्या पता करने की एक विधि पर चर्चा करता है। अध्याय का समापन k-means क्लस्टरिंग की सीमाओं और इस एल्गोरिदम का उपयोग करते समय ध्यान देने योग्य बातों पर चर्चा के साथ होता है।

Exercise 1: k-means क्लस्टरिंग की बुनियाद Exercise 2: K-means clustering: पहला अभ्यास Exercise 3: k-means क्लस्टरिंग का रनटाइम Exercise 4: कितने क्लस्टर?Exercise 5: अलग-अलग क्लस्टर्स पर Elbow method Exercise 6: समान (uniform) डेटा पर Elbow विधि Exercise 7: k-means क्लस्टरिंग की सीमाएँ Exercise 8: अलग-अलग क्लस्टर्स पर seed का प्रभाव Exercise 9: Uniform clustering patterns Exercise 10: FIFA 18: डिफेंडर्स — एक बार फिर

अब जब आप दो सबसे लोकप्रिय क्लस्टरिंग तकनीकों से परिचित हैं, यह अध्याय आपको इन्हें वास्तविक समस्याओं पर लागू करने में मदद करता है। अध्याय पहले किसी इमेज में डॉमिनेंट रंग खोजने की प्रक्रिया पर चर्चा करता है, और फिर परिचय में बताए गए मुद्दे — समाचार लेखों की क्लस्टरिंग — पर आगे बढ़ता है। अध्याय का समापन मल्टीपल वेरिएबल्स के साथ क्लस्टरिंग पर चर्चा से होता है, जिससे सारा डेटा विज़ुअलाइज़ करना कठिन हो जाता है।

Exercise 1: इमेज में डॉमिनेंट रंग Exercise 2: इमेज से RGB मान निकालें Exercise 3: कितने डॉमिनेंट रंग?Exercise 4: Dominant colors दिखाएँ Exercise 5: डॉक्यूमेंट क्लस्टरिंग Exercise 6: मूवी प्लॉट्स का TF-IDF Exercise 7: मूवी क्लस्टर्स में शीर्ष terms Exercise 8: Multiple features के साथ clustering Exercise 9: कई फीचर्स के साथ क्लस्टरिंग Exercise 10: क्लस्टर्स पर बुनियादी जाँचें Exercise 11: FIFA 18: एक संपूर्ण खिलाड़ी कैसा होता है?Exercise 12: विदाई!