or
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
ก่อนที่จะจัดหมวดหมู่บทความข่าวได้ คุณจำเป็นต้องรู้จักพื้นฐานของ clustering เสียก่อน บทนี้จะแนะนำให้รู้จักกับอัลกอริทึม machine learning ประเภทหนึ่งที่เรียกว่าการเรียนรู้แบบไม่มีผู้สอน (unsupervised learning) จากนั้นจะเจาะลึกเรื่อง clustering ซึ่งเป็นหนึ่งในอัลกอริทึมยอดนิยมในกลุ่มนี้ คุณจะได้เรียนรู้เทคนิค clustering สองแบบ ได้แก่ hierarchical clustering และ k-means clustering บทนี้ปิดท้ายด้วยขั้นตอนการเตรียมข้อมูลเบื้องต้นก่อนเริ่มทำ clustering
บทนี้เน้นที่ hierarchical clustering ซึ่งเป็นอัลกอริทึม clustering ที่ได้รับความนิยม และวิธีนำไปใช้งานใน SciPy นอกจากขั้นตอนการทำ hierarchical clustering แล้ว ยังจะช่วยให้ตอบคำถามสำคัญได้ว่า ข้อมูลของคุณมีกี่กลุ่ม? บทนี้ปิดท้ายด้วยการพูดถึงข้อจำกัดของ hierarchical clustering และข้อควรพิจารณาในการใช้งาน
บทนี้แนะนำอัลกอริทึม clustering อีกแบบหนึ่งคือ k-means clustering และวิธีนำไปใช้งานใน SciPy K-means clustering แก้ปัญหาข้อจำกัดสำคัญของ hierarchical clustering ที่กล่าวถึงในบทก่อน เนื่องจาก dendrogram เป็นเครื่องมือเฉพาะของ hierarchical clustering บทนี้จึงนำเสนอวิธีหนึ่งในการหาจำนวนกลุ่มก่อนรัน k-means clustering และปิดท้ายด้วยการพูดถึงข้อจำกัดของ k-means clustering พร้อมข้อควรพิจารณาในการใช้อัลกอริทึมนี้
เมื่อคุ้นเคยกับเทคนิค clustering ยอดนิยมทั้งสองแบบแล้ว บทนี้จะช่วยให้นำความรู้ไปประยุกต์ใช้กับปัญหาจริง เริ่มด้วยการค้นหาสีหลักในภาพ จากนั้นต่อด้วยโจทย์ที่กล่าวถึงตั้งแต่ต้น นั่นคือการจัดกลุ่มบทความข่าว และปิดท้ายด้วยการพูดถึง clustering ที่ใช้ตัวแปรหลายตัวพร้อมกัน ซึ่งทำให้การแสดงภาพข้อมูลทั้งหมดเป็นเรื่องท้าทาย
แบบฝึกหัดปัจจุบัน