Застосування методів машинного навчання до задачі кластеризації видів пінгвінів.

Abstract

У даній роботі розглянуто задачу кластерного аналізу на основі реального набору даних, що містить інформацію про представників трьох видів пінгвінів. Метою дослідження є порівняння ефективності різних алгоритмів кластеризації, визначення оптимальних параметрів їх роботи, а також оцінка якості сформованих кластерів за допомогою внутрішніх та зовнішніх метрик. У процесі дослідження були використані такі алгоритми кластеризації: K-means, DBSCAN, Mean-shift, Spectral Clustering, Hierarchical Clustering. Кластеризація здійснювалась у двох підходах: за числовими ознаками (довжина та глибина дзьоба, довжина плавника, маса тіла), та за повним набором ознак, що включав також категоріальні змінні (стать, острів проживання), які попередньо були закодовані відповідними методами.