Algorithm Explorer
अनसुपरवाइज्ड लर्निंग एल्गोरिदम
AI बिना उत्तर दिए छिपे पैटर्न कैसे खोजती है।
K-मीन्स क्लस्टरिंग
Analogy
"जैसे मिली-जुली फलों की ढेर को बिना बताए समूहों में छाँटना।"
How it Works
समानता के आधार पर डेटा पॉइंट्स को K क्लस्टर में निर्दिष्ट करता है।
Use Cases
ग्राहक विभाजन, दस्तावेज़ समूह बनाना, अनोमाली डिटेक्शन।
अनसुपरवाइज्ड लर्निंग में मशीन उस डेटा को देखती है जिसमें कोई लेबल नहीं होता है। यह एक गंदे कमरे को बिना किसी निर्देश के व्यवस्थित करने जैसा है।
2. PCA और अप्रीओरी (Apriori)
PCA जटिल डेटा को सरल बनाता है। अप्रीओरी खरीदारी के पैटर्न (जैसे लोग जो दूध खरीदते हैं वे अंडे भी खरीदते हैं) का पता लगाता है।
1. K-मीन्स क्लस्टरिंग (K-Means Clustering)
डेटा पॉइंट्स को उनके और उनके निर्दिष्ट क्लस्टर केंद्र के बीच की दूरी को कम करके 'K' क्लस्टर में समूहित करता है।
पायथन: K-Means क्लस्टरिंग
scikit-learn का उपयोग करके पॉइंट्स को 2 समूहों में विभाजित करना:
python
from sklearn.cluster import KMeans
import numpy as np
# बिना लेबल वाले पॉइंट (x, y कोआर्डिनेट्स)
X = np.array([[1, 2], [1, 4], [1, 0], [10, 2], [10, 4], [10, 0]])
kmeans = KMeans(n_clusters=2, random_state=0)
kmeans.fit(X)
print(f"क्लस्टर केंद्र: \n{kmeans.cluster_centers_}")
print(f"डेटा के लिए लेबल: {kmeans.labels_}")