О чём урок
Этот notebook охватывает сценарии использования, где ваши данные не размечены, но обладают признаками (features), которые можно использовать для их кластеризации в осмысленные категории. Сложность кластеризации заключается в том, чтобы сделать признаки (features), формирующие эти кластеры, удобочитаемыми для человека, и именно здесь мы обратимся к GPT-3 для генерации осмысленных описаний кластеров. Затем мы сможем использовать их для присвоения меток ранее неразмеченному набору данных.
Для подачи данных в модель мы используем embeddings, созданные с помощью подхода, представленного в notebook "Многоклассовая классификация транзакций", примененные ко всем 359 транзакциям в наборе данных, чтобы получить больший пул для обучения.
Мы повторно используем подход из notebook "Кластеризация", применяя K-Means для кластеризации нашего набора данных с помощью ранее созданных feature embeddings. Затем мы используем endpoint Completions для генерации описаний кластеров и оценки их эффективности.
План урока
- Настройка
- Кластеризация
Урок входит в полный доступ. Полный текст и видео открываются после оплаты. Первые уроки каждого курса бесплатны.