非監督式學習
含有「非監督式學習」共 3 篇內容
全部內容
發佈日期由新至舊
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。
2023年被世人稱做生成式AI世代的元年，各式各樣的AI工具不斷湧現，改變了人們的生活。本文將詳細介紹人工智慧和機器學習的相關知識，以及各種人工智慧和機器學習的實現方法。