Summary  
This chapter explains the fundamentals of clustering by demonstrating how to implement k-means, hierarchical clustering, DBSCAN, and Gaussian mixture models using Python libraries for numerical computation, data handling, and visualization. It also introduces how to leverage NumPy, pandas, Matplotlib, Seaborn, Scikit-learn, and SciPy to streamline clustering implementations.  

General domain of usage  
Unsupervised learning

## Алгоритми кластеризації

Короткий огляд основних алгоритмів кластеризації. На них буде зроблено акцент у цьому курсі:
     

 



Ключові характеристики

Розділяє дані на K окремих кластерів. Ітеративно призначає точки до найближчих центрів і оновлює центри.

Простий, ефективний для великих наборів даних, знаходить сферичні кластери.

Агломеративна кластеризація

Створює ієрархію кластерів. Агломеративний (знизу вгору) починає з окремих точок і об'єднує найближчі кластери.

Створює дендрограму (дерево кластерів).

Групує щільно розташовані точки та позначає розріджені точки як викиди.

Знаходить кластери довільної форми, стійкий до шуму, не потребує попереднього задання кількості кластерів.

Гаусові змішані моделі (GMMs)

Передбачає, що дані походять із суміші гаусових розподілів (кластерів). Надає ймовірності належності до кластеру.

Більш гнучкі форми та розміри кластерів, ніж у K-means.

## Бібліотеки Python для кластеризації

Працюючи з кластеризацією у **Python**, зазвичай використовують такі бібліотеки:

- **Scikit-learn:** комплексна бібліотека машинного навчання. Scikit-learn містить реалізації багатьох алгоритмів кластеризації, включаючи K-means, ієрархічну кластеризацію, DBSCAN і GMMs, а також інструменти для попередньої обробки даних, метрик оцінювання тощо;

- **SciPy:** бібліотека для наукових і технічних обчислень. SciPy містить функції для ієрархічної кластеризації, обчислення відстаней та інші утиліти, корисні для задач кластеризації.

Також існує кілька **допоміжних бібліотек**, які часто використовуються, таких як **NumPy** (для числових операцій), **Pandas** (для завантаження та попередньої обробки даних), **Matplotlib** і **Seaborn** (для візуалізації даних і результатів кластеризації). Хоча ці бібліотеки не є інструментами кластеризації, вони підтримують загальний робочий процес.

Який алгоритм кластеризації найкраще підходить для виявлення кластерів довільної форми та ідентифікації викидів?

Отримайте ґрунтовне розуміння кластерного аналізу — ключового методу неконтрольованого навчання для виявлення закономірностей у неозначених даних. Дослідіть основи K-Means, ієрархічного кластерування, DBSCAN та GMM, а також отримайте практичний досвід роботи з реальними наборами даних для впевненого застосування кластеризації до реальних задач.

Занурення в основи кластеризації та виявлення відмінностей від класифікації. Огляд основних алгоритмів, інструментів і бібліотек, що забезпечують роботу цього методу неконтрольованого навчання для виявлення прихованих закономірностей у даних.

Отримайте ґрунтовне розуміння ключових методів попередньої обробки, які забезпечують ефективне кластерування. Дізнайтеся, як обробляти пропущені значення, кодувати категоріальні ознаки, нормалізувати дані та обирати відповідні міри відстані й методи зв’язування для підвищення точності кластеризації.

Опановуйте навички, необхідні для ефективного застосування кластеризації K-Means. Дізнайтеся, як працює алгоритм, визначайте оптимальну кількість кластерів та отримуйте практичний досвід, впроваджуючи K-Means на синтетичних і реальних наборах даних.

Ознайомлення з основами ієрархічного кластерування та групування даних у змістовні кластери за допомогою дендрограм. Формування впевненості у визначенні оптимальної кількості кластерів і застосуванні методу до синтетичних і реальних наборів даних.

Дізнайтеся, як DBSCAN ефективно виявляє кластери різної форми та обробляє шум у даних. Ознайомтеся з принципами роботи цього алгоритму на основі щільності, методами призначення точок до кластерів і застосуванням до синтетичних та реальних наборів даних.

Отримайте ґрунтовне розуміння моделей змішування Гауса та того, як вони використовують ймовірність для моделювання складних форм кластерів. Ознайомтеся з принципами гаусового розподілу, дослідіть роботу GMM та закріпіть знання шляхом застосування до тестових і реальних даних.

Алгоритми та бібліотеки кластеризації

Алгоритми кластеризації

Бібліотеки Python для кластеризації