خلاصه دوره
با مجموعه‌ها، منظم بمانید
ذخیره و طبقه‌بندی محتوا براساس اولویت‌های شما.
اکنون باید بتوانید:
- خوشه بندی برای برنامه های کاربردی ML را شرح دهید.
- بهترین شیوه ها و ملاحظات برای خوشه بندی داده ها را دنبال کنید.
- از الگوریتم k-means استفاده کنید.
- روش های خوشه بندی رایج را مقایسه کنید.
- در صورت لزوم، بین اقدامات مشابه نظارت شده و دستی انتخاب کنید.
جز در مواردی که غیر از این ذکر شده باشد،محتوای این صفحه تحت مجوز Creative Commons Attribution 4.0 License است. نمونه کدها نیز دارای مجوز Apache 2.0 License است. برای اطلاع از جزئیات، به خطمشی‌های سایت Google Developers مراجعه کنید. جاوا علامت تجاری ثبت‌شده Oracle و/یا شرکت‌های وابسته به آن است.
تاریخ آخرین به‌روزرسانی 2025-02-25 به‌وقت ساعت هماهنگ جهانی.
[null,null,["تاریخ آخرین به‌روزرسانی 2025-02-25 به‌وقت ساعت هماهنگ جهانی."],[[["\u003cp\u003eThis training equips you with the ability to describe clustering in machine learning and understand its practical applications.\u003c/p\u003e\n"],["\u003cp\u003eIt guides you through best practices for data clustering and introduces the k-means algorithm for effective implementation.\u003c/p\u003e\n"],["\u003cp\u003eThe training enables you to compare various clustering methods and make informed choices between supervised and manual similarity measures.\u003c/p\u003e\n"]]],[],null,["# Course summary\n\n\u003cbr /\u003e\n\nYou should now be able to:\n\n- Describe clustering for ML applications.\n- Follow best practices and considerations for clustering data.\n- Employ the k-means algorithm.\n- Compare popular clustering approaches.\n- Choose between supervised and manual similarity measures, as appropriate."]]
