Zusammenfassung
In diesem Modul haben Sie erfahren, wie Sie mithilfe von Clustering nicht überwachte Machine Learning-Modelle erstellen, mit denen Datenbeobachtungen in Clustern gruppiert werden. Anschließend haben Sie das Scikit-Learn-Framework in Python verwendet, um ein Clusteringmodell zu trainieren.
Scikit-learn ist insbesondere zum Schreiben von Code für das Trainieren von Clustermodellen ein beliebtes Framework, Sie können aber auch mit den grafischen Tools in Microsoft Azure Machine Learning Lösungen mit maschinellem Lernen für das Clustering erstellen. Weitere Informationen zur No-Code-Entwicklung von Clusteringmodellen mithilfe von Azure Machine Learning finden Sie im Modul "Erstellen eines Clusteringmodells mit dem Azure Machine Learning Designer".
Herausforderung: Nicht gekennzeichnete Clusterdaten
Nachdem Sie nun erfahren haben, wie Sie ein Clusteringmodell erstellen, warum probieren Sie es nicht selbst aus? Sie finden eine Cluster-Herausforderung im Clustering Challenge-Notizbuch !
Hinweis
Die Zeit für diese optionale Herausforderung ist nicht in der geschätzten Zeit für dieses Modul enthalten – Sie können so viel oder so wenig Zeit darauf verwenden, wie Sie möchten!