聚類
含有「聚類」共 3 篇內容
全部內容
發佈日期由新至舊
歡迎來到Scikit-learn教學系列的第六篇文章！這一篇將進入非監督學習的領域，聚焦於聚類與降維。我們將介紹非監督學習的基本概念、使用Scikit-learn實現常見的聚類與降維演算法，並通過實作範例展示如何應用這些技術分析無標籤資料。準備好探索資料的隱藏結構吧！
本文探討了聚類算法中常用的效果評估指標，包括內部和外部指標，並詳細介紹了輪廓係數、群集內距離平方和（WCSS）及Davies-Bouldin指數三種主要指標的計算方法、優缺點與應用場景。這些指標各有特點，適用於不同的聚類場景，有助於有效評估聚類質量，提升無監督學習的效能。
這篇文章深入探討了數據科學與機器學習中的主要聚類算法，包括 K-means、DBSCAN 和層次聚類。介紹了每種算法的工作原理、優缺點及其適用場景，幫助讀者理解何時選擇何種聚類技術。本文還提供了相關的程式碼範例，方便讀者進一步學習與實踐。
