running-clustering-algorithms

Ta umiejętność pozwala Claude'owi wykonywać analizę skupień na Twoich zbiorach danych. Możesz zidentyfikować grupy w danych, zrozumieć strukturę zbioru i uruchomić algorytmy K-means, DBSCAN lub hierarchiczne klasterowanie. Skill automatycznie generuje kod w Pythonie, wykonuje klasterowanie, oblicza metryki wydajności (silhouette score, Davies-Bouldin index) i wizualizuje wyniki. Idealny do segmentacji klientów, analizy wzorców i odkrywania naturalnych grup w danych.

1. Przygotuj swój zbiór danych w formacie CSV lub przekaż go bezpośrednio w rozmowie z Claude'em. Upewnij się, że dane zawierają kolumny numeryczne, które chcesz analizować.

2. Wyraź swoją prośbę jasno – poproś Claude'a, aby "uruchomił klasterowanie", "przeprowadził analizę skupień" lub "pogrupował punkty danych". Jeśli masz preferencję, wskaż konkretny algorytm (K-means, DBSCAN lub hierarchiczne klasterowanie).

3. Claude przeanalizuje Twoją prośbę i wygeneruje kod w Pythonie przy użyciu bibliotek takich jak scikit-learn. Kod będzie zawierać wczytanie danych, preprocessing, wykonanie algorytmu i wizualizację wyników.

4. Skill automatycznie wykonuje wygenerowany kod na Twoim zbiorze danych. Proces obejmuje walidację danych i obsługę błędów.

5. Otrzymasz wyniki zawierające przypisania klastrów, metryki wydajności (takie jak silhouette score czy Davies-Bouldin index) oraz wizualizacje, na przykład wykresy punktowe z etykietami klastrów.

6. Artefakty, w tym kod i wyniki, są automatycznie zapisywane do wykorzystania w przyszłości.