ML with Python k-Means Clustering

خوشه‌بندی، یک روش یادگیری ماشین بدون نظارت است که برای گروه‌بندی داده‌ها بر اساس شباهت‌ها استفاده می‌شود. این روش در تحلیل شبکه، بخش‌بندی بازار، گروه‌بندی نتایج جستجو، تصویربرداری پزشکی و شناسایی ناهنجاری‌ها کاربرد دارد. خوشه‌بندی k-means یکی از محبوب‌ترین و ساده‌ترین الگوریتم‌های خوشه‌بندی است. در این دوره، فردریک نوانگانگا یک معرفی جامع از خوشه‌بندی k-means ارائه می‌دهد. او توضیح می‌دهد که این الگوریتم چگونه کار می‌کند، برای چه کاربردهایی مناسب است، چه زمانی باید از آن استفاده کنید، چگونه تعداد مناسبی از خوشه‌ها را انتخاب کنید، و نقاط قوت و ضعف آن چیست.
فردریک همچنین راهنمایی‌های عملی در مورد نحوه جمع‌آوری، بررسی و تبدیل داده‌ها برای آماده‌سازی به منظور بخش‌بندی داده‌ها با استفاده از خوشه‌بندی k-means ارائه می‌دهد. او یک راهنمای گام به گام برای ساخت چنین مدلی در پایتون نیز ارائه می‌کند.