Clustering gerarchico: raggruppamento di dati non supervisionato in Python

Il clustering gerarchico consente di organizzare i dati in un albero intuitivo di cluster, rendendo le relazioni complesse facili da interpretare e da utilizzare. Questo corso di solo testo ti guida passo dopo passo dalle basi assolute dell'apprendimento non supervisionato all'implementazione e alla valutazione di robusti modelli di clustering.Impara a leggere e analizzare le relazioni tra i dati, scegliere i giusti criteri di collegamento e applicare queste tecniche a set di dati reali. Cosa imparerai: - Comprendere i principi fondamentali dell'apprendimento automatico non supervisionato e dell'analisi dei cluster - Confronta gli approcci di clustering agglomerativi (bottom-up) e divisivi (top-down) - Calcolare le metriche di distanza e selezionare i metodi di collegamento appropriati per diverse forme di dati - Interpretare i dendrogrammi per determinare il numero ottimale di cluster per i tuoi dati - Implementa algoritmi di clustering utilizzando moderne librerie Python come scikit-learn e scipy - Valutare la qualità dei cluster utilizzando i coefficienti di silhouette e la correlazione cofenetica Inizierai con la terminologia di base, i concetti di base e le metriche di distanza prima di passare a spiegazioni scritte strutturate e passaggi di codice che dimostrano come scrivere, eseguire e valutare il codice di clustering. Questo corso è progettato per gli analisti di dati principianti, i programmatori e gli aspiranti scienziati dei dati che cercano di espandere il loro toolkit di apprendimento automatico.Non è richiesta alcuna esperienza precedente di apprendistato automatico, anche se è utile una familiarità di base con Python. Inizia a leggere oggi per sbloccare il potere dell'organizzazione gerarchica dei dati.