Kurs özeti
Koleksiyonlar ile düzeninizi koruyun
İçeriği tercihlerinize göre kaydedin ve kategorilere ayırın.
Artık şunları yapabileceksiniz:
- ML uygulamaları için küme oluşturmayı açıklama
- Verileri kümelendirmeyle ilgili en iyi uygulamaları ve dikkat edilmesi gereken noktaları uygulayın.
- K-ortalama algoritmasını kullanın.
- Popüler küme oluşturma yaklaşımlarını karşılaştırın.
- Uygun olduğunda gözetimli ve manuel benzerlik ölçümleri arasından seçim yapın.
Aksi belirtilmediği sürece bu sayfanın içeriği Creative Commons Atıf 4.0 Lisansı altında ve kod örnekleri Apache 2.0 Lisansı altında lisanslanmıştır. Ayrıntılı bilgi için Google Developers Site Politikaları'na göz atın. Java, Oracle ve/veya satış ortaklarının tescilli ticari markasıdır.
Son güncelleme tarihi: 2025-02-25 UTC.
[null,null,["Son güncelleme tarihi: 2025-02-25 UTC."],[[["\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."]]
