Summary  
This chapter covers clustering, an unsupervised learning technique that groups similar data points into clusters based on their features, maximizing similarity within clusters and separation between them.  

General domain of usage  
Image segmentation

**Кластеризація** — це потужна техніка, яка допомагає знаходити природні групування у даних. Це схоже на автоматичне сортування об'єктів за **схожістю**. Замість попередньо визначених категорій, кластеризація знаходить категорії **безпосередньо з самих даних**.

Визначення

Уявіть, що у вас є велика колекція об'єктів, і ви хочете організувати їх у **змістовні групи**. Наприклад, згадайте книги у бібліотеці. Бібліотеки організовують книги за **категоріями**, такими як художня література, наука, історія тощо. Це полегшує пошук потрібних книг — саме цим і займається **кластеризація**.

По суті, кластеризація полягає у:

- **Групуванні схожих точок даних разом:** точки даних у межах одного кластера більш схожі між собою, ніж з точками інших кластерів;
- **Виявленні прихованих структур:** кластеризація може розкривати приховані закономірності та організацію даних, які не завжди очевидні;
- **Осмисленні складних даних:** групування даних спрощує великі набори даних і допомагає краще їх зрозуміти.

Кластеризація використовується у багатьох сферах і для різноманітних цілей.

Яка основна мета кластеризації?

Дослідження потужності прихованих закономірностей за допомогою навчання без учителя. Опановування найвпливовіших алгоритмів кластеризації, зокрема K-Means, ієрархічної кластеризації, DBSCAN та гаусівських змішаних моделей. Оцінювання якості кластерів за допомогою WSS та коефіцієнтів силуету, робота з різноманітними мірами відстані та впровадження надійних рішень на реальних наборах даних. Формування навичок сегментації клієнтів і виявлення структур у нерозмічених даних із використанням Scikit-learn.

Вступ до кластеризації