温馨提示：本站仅提供公开网络链接索引服务，不存储、不篡改任何第三方内容，所有内容版权归原作者所有
AI智能索引来源：http://www.ibm.com/fr-fr/think/topics/hierarchical-clustering
点击访问原文链接

Qu’est-ce que le clustering hiérarchique ? | IBM

进入原网站 导航首页
BienvenueAperçuTypes de machine learningAlgorithmes de machine learningMachine learning statistiqueAlgèbre linéaire pour le machine learningQuantification de l’incertitudeCompromis biais-varianceAperçuSélection des caractéristiquesExtraction de caractéristiquesPlongement vectorielEspace latentAnalyse en composantes principalesAnalyse discriminante linéaireSuréchantillonnageSous-échantillonnageDonnées synthétiquesFuite de donnéesAperçuRégression linéaireRégression lassoRégression de crêteModèle d’espace d’étatSéries temporellesModèle autorégressifAperçuArbres de décisionK plus proches voisins (KNN)Naïve bayésienneForêt d’arbres décisionnelsMachine à vecteurs de supportRégression logistiqueAperçuBoostingBaggingBoosting de gradientClassificateur de boosting de gradientAperçuApprentissage par transfertAperçuAperçuClustering k-meansClustering hiérarchiqueAlgorithme a prioriModèle de mélange gaussienDétection des anomaliesAperçuFiltrage collaboratifFiltrage basé sur le contenuAperçuApprentissage par renforcement à partir des commentaires humainsAperçuAperçuRétropropagationModèles d’encodeur-décodeurRéseaux de neurones récurrentsRéseaux de neurones convolutifsAperçuMécanisme d’attentionAttention de requête groupéeCodage positionnelAuto-encodeurModèle MambaRéseau de neurones graphiqueAperçuModèle génératifIA générative et IA prédictiveAperçuModèles de raisonnementPetits modèles de langageRéglage des instructionsParamètres des LLMTempérature des LLMBenchmarks de LLMPersonnalisation des LLMModèles de diffusionAuto-encodeurs variationnels (VAE)Réseaux antagonistes génératifs (GAN)AperçuModèles de langage visuelTutoriel : Créer un styliste d’IATutoriel : Requêtes d’IA multimodale avec LlamaTutoriel : Requêtes d’IA multimodale avec PixtralTutoriel : Transcription de podcast automatique avec GraniteTutoriel : Système de réponse d’analyse d’image d’IA PPTAperçuGraphRAGTutoriel : Créer un système RAG multimodal avec Docling et GraniteTutoriel : Évaluer le pipeline RAG à l’aide de RagasTutoriel : Stratégies de segmentation RAGTutoriel : La méthode Graph RAG à l’aide de graphes de connaissancesTutoriel : Mise à l’échelle de l’inférence pour améliorer la RAG multimodaleAperçuCodage de VibeConsulter le guide des agents d’IA à l’horizon 2025AperçuFonction de perteDonnées d’entraînementParamètres du modèleDescente de gradientDescente de gradient stochastiqueRéglage des hyperparamètresTaux d'apprentissageAperçuRéglage fin efficace en paramètres (PEFT)LoRATutoriel : Affiner le modèle Granite avec LoRARégularisationModèles de fondationSurajustementSous-ajustementApprentissage few-shotApprentissage zero-shotDistillation des connaissancesMéta-apprentissageAugmentation des donnéesOubli catastrophiqueAperçuScikit-LearnXGBoostPyTorchAperçuCycle de vie de l’IAInférence IADéploiement de modèlePipeline de machine learningÉtiquetage des donnéesGestion des risques liés aux modèlesDérive de modèleAutoMLSélection du modèleApprentissage fédéréMachine learning distribuéPile d’IAAperçuCompréhension du langage naturelAperçuAnalyse des sentimentsTraduction automatiqueAperçuRecherche d’informationExtraction d’informationsModélisation thématiqueAnalyse sémantique latenteAllocation de Dirichlet latenteReconnaissance des entités nomméesProlongements lexicauxSac de motsRecherche intelligenteReconnaissance vocaleRacinisation et lemmatisationSynthèse de texteIA conversationnelleAnalyse conversationnelleGénération automatique de texte en langage naturelAperçuClassification des imagesDétection d’objetsSegmentation d’instancesSegmentation sémantiqueReconnaissance optique de caractèresReconnaissance d’imagesInspection visuelleJoshua Noblemachine learning non supervisétasindicateursDéclaration de confidentialité d’IBMRegardez tous les épisodes de Mixture of Expertscomment implémenter le partitionnement hiérarchique dans Pythoncomment implémenter le partitionnement hiérarchique dans ReBook Science des données et MLOps pour les responsables des données Unissez vos forces à celles d’autres responsables pour promouvoir les trois piliers essentiels du MLOps et d’une IA digne de confiance : confiance dans les données, confiance dans les modèles et confiance dans les processus. Lire l’eBookFormation Renforcez votre expertise en matière de ML Apprenez des concepts fondamentaux et développez vos compétences grâce à des ateliers pratiques, à des cours, à des projets guidés, à des essais et à d’autres ressources. Découvrir les cours de MLeBook Libérez la puissance de l’IA générative et du ML Découvrez comment intégrer en toute confiance l’IA générative et le machine learning dans votre entreprise. Lire l’eBookPodcast Techsplainers Le machine learning, expliqué Techsplainers by IBM présente les fondements du machine learning, des concepts clés aux cas d’utilisation concrets. Des épisodes clairs et rapides vous permettent d’apprendre rapidement les principes fondamentaux. Écouter maintenantGuide Mettre l’IA au travail : mise en place d'un retour sur investissement grâce à l'IA générative Vous voulez obtenir un meilleur retour sur vos investissements dans l’IA ? Découvrez comment la mise à l’échelle de l’IA générative dans des domaines clés favorise le changement en aidant vos meilleurs éléments à créer et à fournir de nouvelles solutions innovantes. Lire le guideeBook Choisir le bon modèle de fondation Découvrez comment choisir le modèle de fondation d’IA le mieux adapté à votre cas d’utilisation. Lire l’eBookmodèles IA Découvrir IBM Granite IBM® Granite est notre famille de modèles d’IA ouverts, performants et fiables, conçus pour les entreprises et optimisés pour dimensionner vos applications d’IA. Explorez les options de langage, de code, de séries temporelles et de garde-fous. Découvrez GraniteGuide Comment prospérer en toute confiance dans cette nouvelle ère de l’IA Explorez les trois éléments clés d’une stratégie d’IA réussie : créer un avantage concurrentiel, étendre l’IA à l’ensemble de l’entreprise et faire progresser l’IA digne de confiance. Lire le guideDécouvrir watsonx.aiDécouvrir les solutions d’IADécouvrir les services d’IADécouvrir watsonx.aiRéserver une démo en directhttps://link.springer.com/article/10.1007/s00357-014-9161-zhttps://onlinelibrary.wiley.com/doi/book/10.1002/9780470316801https://cran.r-project.org/web/packages/dendextend/index.htmlhttps://online.stat.psu.edu/stat555/node/85/https://link.springer.com/book/10.1007/978-0-387-09823-4https://archive.org/details/cbarchive_33927_astatisticalmethodforevaluatin1902/page/n1/mode/2uphttps://www.tandfonline.com/doi/abs/10.1080/01621459.1963.10500845https://online.stat.psu.edu/stat505/lesson/14/14.7https://www.allresearchjournal.com/archives/?year=2021&vol=7&issue=4&part=C&ArticleId=8484https://www.nature.com/articles/2021034a0https://bradleyboehmke.github.io/HOML/https://pmc.ncbi.nlm.nih.gov/articles/PMC1706274/https://scikit-learn.org/stable/modules/clustering.htmlhttps://ocw.mit.edu/courses/15-071-the-analytics-edge-spring-2017/pages/clustering/recommendations-worth-a-million-an-introduction-to-clustering/video-5-hierarchical-clustering/https://courses.cs.washington.edu/courses/csep546/04au/pdf-slides/10.pdfhttps://uc-r.github.io/hc_clustering#algorithmshttps://r.qcbs.ca/workshop09/book-en/clustering.htmlhttps://atm.amegroups.org/article/view/13789/14063https://scikit-learn.org/stable/modules/generated/sklearn.cluster.AgglomerativeClustering.htmlhttps://docs.scipy.org/doc/scipy/reference/generated/scipy.cluster.hierarchy.dendrogram.html

智能索引记录