Saltar al contenido principal
InicioPythonAnálisis de conglomerados en Python

Análisis de conglomerados en Python

Comience El Curso Gratis
4 Horas14 Videos46 Ejercicios
53.707 AprendicesTrophyDeclaración de cumplimiento

Crea Tu Cuenta Gratuita

GoogleLinkedInFacebook

o

Al continuar, acepta nuestros Términos de uso, nuestra Política de privacidad y que sus datos se almacenan en los EE. UU.
Group¿Entrenar a 2 o más personas?Pruebe DataCamp para empresas

Preferido por estudiantes en miles de empresas


Descripción del curso

Seguro que ya conoces Google Noticias, que agrupa automáticamente noticias similares bajo un mismo tema. ¿Se ha preguntado alguna vez qué proceso se ejecuta en segundo plano para llegar a estos grupos? En este curso, se le introducirá al aprendizaje no supervisado a través de la agrupación utilizando la biblioteca SciPy en Python. Este curso abarca el preprocesamiento de datos y la aplicación de la agrupación jerárquica y de k-means. A través del curso, explorarás las estadísticas de los jugadores de un popular videojuego de fútbol, FIFA 18. Tras completar el curso, será capaz de aplicar rápidamente varios algoritmos de clustering sobre datos, visualizar los clusters formados y analizar los resultados.
Empresas

Group¿Entrenar a 2 o más personas?

Obtenga acceso de su equipo a la biblioteca completa de DataCamp, con informes centralizados, tareas, proyectos y más
Pruebe DataCamp Para EmpresasPara obtener una solución a medida, reserve una demostración.

En las siguientes pistas

Científico de Machine Learning con Python

Ir a la pista
  1. 1

    Introducción a la agrupación

    Gratuito

    Antes de que esté preparado para clasificar artículos de noticias, es necesario que conozca los fundamentos de la agrupación. Este capítulo le familiarizará con una clase de algoritmos de aprendizaje automático denominados aprendizaje no supervisado y, a continuación, le presentará el clustering, uno de los algoritmos de aprendizaje no supervisado más populares. Conocerá dos técnicas populares de clustering: el clustering jerárquico y el clustering k-means. El capítulo concluye con unos pasos básicos de preprocesamiento antes de empezar a agrupar datos.

    Reproducir Capítulo Ahora
    Aprendizaje no supervisado: conceptos básicos
    50 xp
    Aprendizaje no supervisado en el mundo real
    50 xp
    Avistamientos de Pokémon
    100 xp
    Fundamentos del análisis de conglomerados
    50 xp
    Avistamientos de Pokémon: agrupación jerárquica
    100 xp
    Avistamientos de Pokémon: agrupación k-means
    100 xp
    Preparación de datos para el análisis de conglomerados
    50 xp
    Normalizar los datos de la lista básica
    100 xp
    Visualizar datos normalizados
    100 xp
    Normalización de números pequeños
    100 xp
    FIFA 18: Normalizar datos
    100 xp
  2. 2

    Agrupación jerárquica

    Este capítulo se centra en un popular algoritmo de clustering - clustering jerárquico - y su implementación en SciPy. Además del procedimiento para realizar el clustering jerárquico, intenta ayudarle a responder a una pregunta importante: ¿cuántos clusters hay en sus datos? El capítulo concluye con una discusión sobre las limitaciones de la agrupación jerárquica y analiza las consideraciones a tener en cuenta al utilizarla.

    Reproducir Capítulo Ahora
  3. 3

    Agrupación K-Means

    Este capítulo presenta un algoritmo de clustering diferente - el clustering k-means - y su implementación en SciPy. El clustering de K-means supera el mayor inconveniente del clustering jerárquico que se discutió en el último capítulo. Como los dendrogramas son específicos de la agrupación jerárquica, en este capítulo se analiza un método para hallar el número de conglomerados antes de ejecutar la agrupación k-means. El capítulo concluye con una discusión sobre las limitaciones de la agrupación k-means y analiza las consideraciones a tener en cuenta al utilizar este algoritmo.

    Reproducir Capítulo Ahora
  4. 4

    Clustering en el mundo real

    Ahora que ya está familiarizado con dos de las técnicas de clustering más populares, este capítulo le ayudará a aplicar estos conocimientos a problemas del mundo real. El capítulo aborda en primer lugar el proceso de búsqueda de colores dominantes en una imagen, antes de pasar al problema tratado en la introducción: la agrupación de artículos de noticias. El capítulo concluye con un debate sobre la agrupación con múltiples variables, lo que dificulta la visualización de todos los datos.

    Reproducir Capítulo Ahora
Empresas

Group¿Entrenar a 2 o más personas?

Obtenga acceso de su equipo a la biblioteca completa de DataCamp, con informes centralizados, tareas, proyectos y más

En las siguientes pistas

Científico de Machine Learning con Python

Ir a la pista

Sets De Datos

FIFA sampleFIFAMovies

Colaboradores

Collaborator's avatar
Hillary Green-Lerman
Collaborator's avatar
Sara Billen

Requisitos Previos

Intermediate Python
Shaumik Daityari HeadshotShaumik Daityari

Business Analyst at American Express

Ver Mas

¿Qué tienen que decir otros alumnos?

¡Únete a 14 millones de estudiantes y empieza Análisis de conglomerados en Python hoy mismo!

Crea Tu Cuenta Gratuita

GoogleLinkedInFacebook

o

Al continuar, acepta nuestros Términos de uso, nuestra Política de privacidad y que sus datos se almacenan en los EE. UU.