Ненаблюдаемое машинное обучение: кластеризация в R и SAS

Предприятия и исследователи полагаются на машинное обучение без участия человека для обнаружения скрытых закономерностей и естественных группировок в сложных наборах данных. Понимание того, как сегментировать данные без предопределенных меток, является важным навыком для любого начинающего аналитика или исследователя данных Этот курс предоставляет четкую концептуальную основу в кластерном анализе, ведущий вас от базовой терминологии до практической реализации. Вы узнаете, как подготовить свои данные, выбрать правильные алгоритмы кластеризации и написать чистый, воспроизводимый код в SAS и R для решения реальных проблем сегментации. Что вы узнаете: - Понять основные принципы машинного обучения без учителя и как кластеризация отличается от классификации с учителем. - овладеть методами иерархического кластеризации, включая агломеративные методы, и научиться интерпретировать дендрограммы. - Внедрение неиерархического кластерного анализа по методу K-средних и определение оптимального числа кластеров с использованием диаграмм оползней и современных оценочных показателей. - Подготовка и стандартизация исходных данных для обеспечения точных и беспристрастных результатов кластеризации. - Написать и выполнить кластерные программы, используя как процедуры SAS, так и современные рабочие процессы программирования R. - Анализ и интерпретация результатов кластеров для получения практических бизнес- и маркетинговых данных. Вы начнете с основных статистических понятий расстояния и сходства, а затем перейдете к пошаговым обзорам программирования. Материал проведет вас через предварительную обработку данных, выполнение алгоритма и окончательную интерпретацию результатов кластеризации. Этот курс предназначен для начинающих, энтузиастов данных и младших аналитиков, которые хотят расширить свой набор инструментов статистического программирования, без предварительного опыта машинного обучения. Начните читать сегодня, чтобы раскрыть силу самообучения и превратить необработанные данные в структурированные выводы.