La agrupación no está supervisada. Es decir, encuentra elementos similares, basados en elecciones específicas para:
- Representación vectorial de cada artículo.
- Medida de similitud entre vectores.
- Algoritmo de agrupamiento.
Además, depende de la distribución del conjunto de datos. Supongamos que ejecuta un algoritmo de agrupamiento. ¿El resultado se ajusta a algo que un experto humano reconocería? A veces lo hace. ¿Es útil para una empresa / necesidad de investigación (por ejemplo, construir un recomendador)? A veces lo es.
Debe verificar el resultado de la agrupación para ver si tiene sentido. En algunos casos, puede ver cada grupo, nombrarlo como una categoría y vivir felices para siempre. En otros casos, puede obtener el Emporio Celestial de Conocimiento Benevolente. O peor: grupos que parecen subconjuntos aleatorios. La agrupación no es una bala de plata. Buena suerte y cuidate.
- ¿En qué se diferencia el aprendizaje automático de la minería de datos?
- ¿Por qué un algoritmo evolutivo es un método inapropiado para usar cuando se busca una clave para descifrar un mensaje codificado cuando solo hay una respuesta correcta?
- ¿Cómo funcionan los métodos de conjunto y por qué son superiores a los modelos individuales?
- ¿Existe una relación entre el aprendizaje automático y los procesos estocásticos?
- Tengo una entrevista telefónica técnica para una pasantía la próxima semana con el aprendizaje automático y el equipo de fraude de Uber. ¿Debo esperar DS y algoritmos generales o algo más?
