#یادگیری_ماشین
خوشه بندی

یکی از شیوه‌های تحلیل اطلاعات، خوشه‌بندی داده‌ها براساس ویژگی‌های مشترک‌شان است. برای مثال، شرکت‌تان بخشی از مشتریان که در زمان مشابه خرید می‌کنند را بررسی کرده و عوامل موثر در رفتار خرید آن‌ها را پیدا می‌کند.
درک ویژگی‌های یک خوشه از مشتریان، در تصمیم‌گیری‌ها مفید است.اینکه از طریق تبلیغات چه محصولی را به چه گروهی از مشتریان پیشنهاد بدهید. به جز تحقیقات بازاریابی، خوشه بندی در سناریوهای دیگر، از جمله شناسایی الگو، تشخیص تقلب و پردازش تصویر قابل استفاده است.
تحلیل خوشه بندی در هر دو دسته یادگیری بانظارت و یادگیری بدون نظارت قرار می‌گیرد. به عنوان یک روش یادگیری بانظارت، از خوشه بندی (به کمک الگوریتم K نزدیک ترین همسایه) برای دسته بندی نقاط داده جدید در خوشه‌های موجود استفاده می‌کند و به عنوان یک روش یادگیری بدون نظارت، خوشه بندی برای شناسایی گروه‌های گسسته از نقاط داده (‌به کمک الگوریتم K-Means) مورد استفاده قرار می‌گیرند. با اینکه مدل‌های دیگری از تکنیک‌ها خوشه بندی وجود دارند، ولی این دو الگوریتم، معروف‌ترین‌ها در هر دو زمینه یادگیری ماشین و داده‌کاوی هستند.

#یادگیری_ماشین
بایاس و واریانس

یک چالش همیشگی در یادگیری ماشین، زیربرازش و بیش‌‌برازش است، که نشان می‌دهد یک مدل چه قدر به الگوهای واقعی مجموعه داده نزدیک است. برای درک زیربرازش و پیش‌بردازش، باید ابتدا بایاس و واریانس را درک کنید.
بایاس به فاصله بین مقدار پیش‌بینی شده با مقدار واقعی اشاره دارد. در حالتی که بایاس زیاد است، به احتمال زیاد پیش‌بینی‌ها، در یک مسیر دور از مقادیر واقعی، تغییر جهت داده است. واریانس توصیف می‌کند.که مقادیر پیش‌بینی شده چه میزان پراکنده هستند

💵ورود به بازارهای مالی جهانی را با ما تجربه کنید. ایا میدانید تنها جایی که می توانید درامد نامحدود داشته باشید بازار فارکس هست؟
در کانال زیر با اموزش های ورود به بازارهای مالی و کلی سیگنال رایگان
به درامد بیش از 20 میلیون در ماه دست پیدا کن 👇💰
https://t.me/joinchat/JsY0ZGLpKQEzMWNk

🔴 مركز آموزش كامپيوتر جهاد دانشگاهي دانشگاه تهران

🔸آموزش برنامه نویسی به زبان Python
✨ زمان آموزش : 48 ساعت
✅ روزهاي : جمعه ۱۴-۸
📅شروع دوره: ۱۲ شهریور ماه

📌 ثبت نام 👈 https://jtehran.com/python
☎️ مشاوره: 84651230_02184650
➖➖➖➖➖
🆔 @jtitnews
🌐https://www.instagram.com/jtit.ir