التعلّم دون تسميات

جزء من قسم التعلّم غير الخاضع للإشراف في رحلة Machine Learning على Coddy. الدرس 1 من 51.

كان لكل صف حتى الآن إجابته، أي تصنيف. لكن معظم البيانات لا تحتوي على تصنيفات. التعلّم غير الخاضع للإشراف يستكشف البنية في الصفوف وحدها، مثل زيارات المقهى هذه:

مخططان لـ240 زيارة إلى المقهى، ساعة الوصول على المحور الأفقي وعدد دقائق البقاء على المحور الرأسي. يسارًا، نقاط رمادية بلا تصنيفات في ثلاث تكتلات. يمينًا، النقاط نفسها في ثلاث مجموعات اكتشفها نموذج، وسُمّيت قهوة سريعة وغداء واستخدام الحاسوب المحمول

تكون الصفوف المتشابهة متقاربة، وتُسمّى المجموعة منها عنقودًا. لم يخبر أحدٌ النموذج عن القهوة أو الحواسيب المحمولة. عثر على ثلاث مجموعات؛ وأطلق الناس أسماءً عليها.

تكتشف المتاجر أنواع العملاء بهذه الطريقة؛ وبحلول نهاية هذا الفصل، ستفعل ذلك أنت أيضًا. لا يوجد y، بل X فقط: يتعلم النموذج الشكل الخاص بالبيانات.

التحدي

سهل

تُميّز مزرعة أسماك أعمار أسماك التروتة بحسب طولها: تشكّل أسماك كل سنة مجموعة. يحتوي lengths على 36 سمكة تروتة مقاسة بالسنتيمتر، مرتبة من الأقصر إلى الأطول؛ ويقرأ البرنامج gap.

تصفّح الأطوال. تبدأ مجموعة جديدة إذا كان طول سمكة التروتة أكبر من طول السمكة التي قبلها بأكثر من gap سم.
اطبع عدد المجموعات، ثم أقصر سمكة تروتة وأطولها في كل مجموعة وعدد أسماكها.

لبركة أخرى وفجوة مقدارها 2:

26 سمكة تروتة من بركة أخرى ممثلة بنقاط على محور الأطوال: 15 سمكة من 8.5 إلى 13.9 سم، ثم فجوة فارغة طولها 3.5 سم، ثم 11 سمكة من 17.4 إلى 22 سم

Groups: 2
  8.5 to 13.9 cm: 15 trout
  17.4 to 22.0 cm: 11 trout

جرّب بنفسك

# 36 سمكة تراوت من بركة واحدة، أطوالها بوحدة cm، بدءًا بالأقصر
lengths = [9.8, 10.4, 10.9, 11.3, 11.6, 12.0, 12.2, 12.7, 13.1, 13.4, 14.0, 14.6,
           18.2, 18.9, 19.3, 19.8, 20.1, 20.4, 20.6, 21.0, 22.8, 23.0, 23.3, 23.5, 23.7, 23.9,
           26.5, 27.1, 27.6, 28.0, 28.3, 28.9, 29.4, 29.8, 30.4, 31.0]
gap = float(input())

# اكتب شيفرتك أدناه