Метод локтя для модели KMeans с нуля | К-средних | Elbow Method | KMeans часть 4 | МАШИННОЕ ОБУЧЕНИЕ

[@alexalshansky906]

Огромное спасибо! 🤩

[@user-tu8cl5eh4v]

Не останавливайся ❤

[@negonifas]

...и пусть рейтинги у ролика растет. Хорошо говоришь, интересно рассказываешь.

[@aly7401]

Спасибо большое, мало кто так подробно раскрывал kmeans. Планирются ли видео по градиентному бустингу?

[@David-me5dz]

Пока лучший канал по ML из всех, которые есть на KZbin. Было бы здорово разобрать тему временных рядов.

[@MakhmutSyzdykbayev]

Добрый вечер ! а подскажите пожалуйста, как все таки на реальных данных определять корректно начальные центроиды ? надо ли какую нибудь итерацию проводить и далее сравнивать между собой вн дисперсии также а как работать когда подаются n кол-во фичей, допустим около 10, то как делать выводы на визуализации ? надо ли смотреть все 2**n графиков смотреть ? или достаточно n графиков на их распределение в разрезе кластеров смотреть ?

[@user-fr7df3tw1v]

[@ekaterinakalinkina4688]

Большое спасибо за такие понятные ролики! Хотелось бы также увидеть Ваше обьяснение Наивного Байесовского Классификатора. Спасибо!

[@paveltimofeev5686]

От вас узнаю самую ценную информацию в минимально короткий срок, с качественным объяснением. А когда будет следующее видео на канале? 😊

[@belbek2seegomko486]

Спасибо. Очень хорошо все объясняеш.

[@JiperScriperSS]

Спасибо за урок! Комментарий в поддержку!

[@evgenybratkovsky1486]

Спасибо за видео !Очень актуально. Как раз занимаюсь кластеризацией.

[@neoffix8811]

Sulhouette Score для всей модели кластеризации определяется как средний коэффициент силуэта для всех точек данных, участвующих в кластеризации. Преимущества этого способа перед методом локтя в том, что silhouette score учитывает как внутрикластерные, так и межкластерные расстояния, что позволяет оценить, насколько хорошо кластеры отделены друг от друга. --Комментарий в поддержку!