Saltar al contenido principal
InicioRUnsupervised Learning in R

Unsupervised Learning in R

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

Comience El Curso Gratis
4 horas16 vídeos49 ejercicios50.480 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?

Probar DataCamp for Business

Preferido por estudiantes en miles de empresas


Descripción del curso

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.
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

Certificación disponible

Científico de datos asociado in R

Ir a la pista

Fundamentos del machine learning en R

Ir a la pista

Científico de machine learning in R

Ir a la pista
  1. 1

    Unsupervised learning in R

    Gratuito

    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!

    Reproducir Capítulo Ahora
    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.

    Reproducir Capítulo Ahora
  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.

    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

Certificación disponible

Científico de datos asociado in R

Ir a la pista

Fundamentos del machine learning en R

Ir a la pista

Científico de machine learning in R

Ir a la pista

conjuntos de datos

Pokemon dataWisconsin breast cancer data

colaboradores

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

requisitos previos

Introduction to R
Hank Roark HeadshotHank Roark

Senior Data Scientist, Boeing

Ver Más

¿Qué tienen que decir otros alumnos?

¡Únete a 14 millones de estudiantes y empieza Unsupervised Learning in R 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.