Direkt zum Inhalt
StartseiteRUnsupervised Learning in R

Unsupervised Learning in R

This course provides an intro to clustering and dimensionality reduction in R from a machine learning perspective.

Kurs Kostenlos Starten
4 Stunden16 Videos49 Übungen50.574 LernendeTrophyLeistungsnachweis

Kostenloses Konto erstellen

GoogleLinkedInFacebook

oder

Durch Klick auf die Schaltfläche akzeptierst du unsere Nutzungsbedingungen, unsere Datenschutzrichtlinie und die Speicherung deiner Daten in den USA.
Group

Trainierst du 2 oder mehr?

Versuchen DataCamp for Business

Beliebt bei Lernenden in Tausenden Unternehmen


Kursbeschreibung

Many times in machine learning, the goal is to find patterns in data without trying to make predictions. This is called unsupervised learning. One common use case of unsupervised learning is grouping consumers based on demographics and purchasing history to deploy targeted marketing campaigns. Another example is wanting to describe the unmeasured factors that most influence crime differences between cities. This course provides a basic introduction to clustering and dimensionality reduction in R from a machine learning perspective, so that you can get from data to insights as quickly as possible.
Für Unternehmen

GroupTrainierst du 2 oder mehr?

Erhalten Sie für Ihr Team Zugriff auf die vollständige DataCamp-Bibliothek mit zentralisierten Berichten, Zuweisungen, Projekten und mehr
Testen Sie DataCamp for BusinessFür eine maßgeschneiderte Lösung buchen Sie eine Demo.

In den folgenden Tracks

Zertifizierung verfügbar

Associate Data Scientist in R

Gehe zu Track

Grundlagen des Machine Learning in R

Gehe zu Track

Machine Learning Scientist mit R

Gehe zu Track
  1. 1

    Unsupervised learning in R

    Kostenlos

    The k-means algorithm is one common approach to clustering. Learn how the algorithm works under the hood, implement k-means clustering in R, visualize and interpret the results, and select the number of clusters when it's not known ahead of time. By the end of the chapter, you'll have applied k-means clustering to a fun "real-world" dataset!

    Kapitel Jetzt Abspielen
    Welcome to the course!
    50 xp
    Identify clustering problems
    50 xp
    Introduction to k-means clustering
    50 xp
    k-means clustering
    100 xp
    Results of kmeans()
    100 xp
    Visualizing and interpreting results of kmeans()
    100 xp
    How k-means works and practical matters
    50 xp
    Handling random algorithms
    100 xp
    Selecting number of clusters
    100 xp
    Introduction to the Pokemon data
    50 xp
    Practical matters: working with real data
    100 xp
    Review of k-means clustering
    50 xp
  2. 3

    Dimensionality reduction with PCA

    Principal component analysis, or PCA, is a common approach to dimensionality reduction. Learn exactly what PCA does, visualize the results of PCA with biplots and scree plots, and deal with practical issues such as centering and scaling the data before performing PCA.

    Kapitel Jetzt Abspielen
  3. 4

    Putting it all together with a case study

    The goal of this chapter is to guide you through a complete analysis using the unsupervised learning techniques covered in the first three chapters. You'll extend what you've learned by combining PCA as a preprocessing step to clustering using data that consist of measurements of cell nuclei of human breast masses.

    Kapitel Jetzt Abspielen
Für Unternehmen

GroupTrainierst du 2 oder mehr?

Erhalten Sie für Ihr Team Zugriff auf die vollständige DataCamp-Bibliothek mit zentralisierten Berichten, Zuweisungen, Projekten und mehr

In den folgenden Tracks

Zertifizierung verfügbar

Associate Data Scientist in R

Gehe zu Track

Grundlagen des Machine Learning in R

Gehe zu Track

Machine Learning Scientist mit R

Gehe zu Track

Datensätze

Pokemon dataWisconsin breast cancer data

Mitwirkende

Collaborator's avatar
Nick Carchedi
Collaborator's avatar
Tom Jeon

Voraussetzungen

Introduction to R
Hank Roark HeadshotHank Roark

Senior Data Scientist, Boeing

Mehr Anzeigen

Was sagen andere Lernende?

Melden Sie sich an 15 Millionen Lernende und starten Sie Unsupervised Learning in R Heute!

Kostenloses Konto erstellen

GoogleLinkedInFacebook

oder

Durch Klick auf die Schaltfläche akzeptierst du unsere Nutzungsbedingungen, unsere Datenschutzrichtlinie und die Speicherung deiner Daten in den USA.