Reja: Mashinaviy o’qitishda ierarxik klasterlash Mashinaviy o’qitishda haddan tashqari moslash va mos kelmaslik Mashinaviy o'qitishda gradient tushishi Mashinaviy

REJA:

1. 
   Mashinaviy o’qitishda ierarxik klasterlash
   
2. 
   Mashinaviy o’qitishda haddan tashqari moslash va mos kelmaslik
   
3. 
   Mashinaviy o'qitishda gradient tushishi
   
4. 
   Mashinaviy o'qitishda giperparametrlar
   
5. 
   Hopfield Network yordamida optimallashtirish
   
6. 
   Mashinaviy o’qitishda Pipeline Neyron tarmoqlar
   

1.Mashinaviy o’qitishda Ierarxik klasterlash

Ierarxik klasterlash - bu boshqa nazoratsiz mashinani o'rganish algoritmi bo'lib, u etiketlanmagan ma'lumotlar to'plamini klasterga guruhlash uchun ishlatiladi va ierarxik klaster tahlili yoki IKA sifatida ham tanilgan.

Ushbu algoritmda biz daraxt ko'rinishidagi klasterlar ierarxiyasini ishlab chiqamiz va bu daraxt shaklidagi tuzilma dendrogramma sifatida tanilgan .
Ba'zan K-Means klasterlash va ierarxik klasterlash natijalari o'xshash ko'rinishi mumkin, ammo ularning ikkalasi ham qanday ishlashiga qarab farqlanadi. K-Means algoritmida bo'lgani kabi, klasterlar sonini oldindan belgilash talabi yo'q.

Ierarxik klasterlash texnikasi ikkita yondashuvga ega:

1. 
   Aglomerativ: Aglomerativ - bu pastdan yuqoriga yondashuv bo'lib, unda algoritm barcha ma'lumotlar nuqtalarini bitta klaster sifatida qabul qilish va ularni bitta klaster qolguncha birlashtirishdan boshlanadi.
   
2. 
   Bo'linuvchi: Bo'linuvchi algoritm aglomerativ algoritmning teskarisi, chunki u yuqoridan pastga yondashuvdir.
   

Nima uchun ierarxik klasterlash kerak?
Bizda allaqachon K-Means Clustering kabi boshqa klasterlash algoritmlari mavjud ekan , nega bizga ierarxik klasterlash kerak? Shunday qilib, biz K-ni klasterlashda ko'rganimizdek, ushbu algoritm bilan bog'liq ba'zi qiyinchiliklar mavjud, ular oldindan belgilangan klasterlar soni va u doimo bir xil o'lchamdagi klasterlarni yaratishga harakat qiladi. Ushbu ikkita muammoni hal qilish uchun biz ierarxik klaster algoritmini tanlashimiz mumkin, chunki bu algoritmda biz oldindan belgilangan klasterlar soni haqida ma'lumotga ega bo'lishimiz shart emas.