Last chance: 50% off unlimited learning
Sale ends in
Cursusbeschrijving
Leer hoe je clusteranalyse uitvoert
Clusteranalyse is een krachtig hulpmiddel in de gereedschapskist van de data scientist. Het wordt gebruikt om groepen waarnemingen (clusters) te vinden die vergelijkbare kenmerken hebben. Deze overeenkomsten kunnen allerlei zakelijke beslissingen beïnvloeden; zo wordt het in marketing bijvoorbeeld gebruikt om verschillende groepen klanten te identificeren, zodat advertenties hierop afgestemd kunnen worden.Ontdek hiërarchische en K-means clusteringtechnieken
In deze cursus leer je over twee veelgebruikte clusteringmethoden: hiërarchische clustering en k-means clustering. Je leert niet alleen hoe je deze methoden gebruikt, maar je ontwikkelt ook een sterk gevoel voor hoe ze werken en hoe je hun resultaten kunt interpreteren. Je ontwikkelt dit inzicht door drie verschillende datasets te verkennen: posities van voetballers, uitgavengegevens van groothandelsklanten en longitudinale gegevens over beroepslonen.Verbeter je vaardigheden met een praktijkgerichte case study
Je rondt de cursus af door je nieuwe vaardigheden toe te passen op een casestudy over gemiddelde salarissen en hoe deze in de loop van de tijd zijn veranderd. Dit combineert hiërarchische clusteringtechnieken zoals occupation trees, voorbereiden op verkenning en het plotten van occupational clusters, met k-means-technieken zoals elbow-analyse en gemiddelde silhouette widths.DataCamp-cursussen bestaan uit een mix van video's, artikelen en oefenopdrachten, zodat je de kans krijgt om je nieuw verworven vaardigheden te testen en te versterken. Zo voel je je zekerder om ze ook buiten de cursus toe te passen.
Vereisten
Lesprogramma
Cursusoverzicht
1
Afstand tussen observaties berekenen
Clusteranalyse zoekt naar groepen observaties die onderling op elkaar lijken, terwijl de gevonden groepen van elkaar verschillen. Deze overeenkomst/dit verschil wordt vastgelegd met de maatstaf afstand. In dit hoofdstuk leer je hoe je de afstand tussen observaties berekent voor zowel continue als categorische kenmerken. Je ontwikkelt ook intuïtie voor hoe de schalen van je kenmerken de afstand kunnen beïnvloeden.
- Wat is clusteranalyse?50 XP
- Wanneer clusteren?50 XP
- Afstand tussen twee observaties50 XP
- Bereken en plot de afstand tussen twee spelers100 XP
- De functie dist() gebruiken100 XP
- Welke spelers staan het dichtst bij elkaar?50 XP
- Het belang van schaal50 XP
- Effecten van schaal100 XP
- Wanneer gegevens schalen?50 XP
- Afstand meten voor categorische gegevens50 XP
- Afstand berekenen tussen categorische variabelen100 XP
- De dichtstbijzijnde observatie bij een paar50 XP
2
Hiërarchische clustering
Dit hoofdstuk helpt je de laatste vraag uit hoofdstuk 1 te beantwoorden: hoe vind je groepen vergelijkbare observaties (clusters) in je data met de afstanden die je hebt berekend? Je leert de basisprincipes van hiërarchische clustering kennen — de koppelingscriteria en de dendrogramgrafiek — en hoe beide worden gebruikt om clusters op te bouwen. Je verkent ook gegevens van een groothandelsdistributeur om marktsegmentatie van klanten uit te voeren op basis van hun bestedingspatronen.
3
K-means-clustering
In dit hoofdstuk verdiep je je in de principes achter het k-means-algoritme, leer je hoe je de juiste k kiest wanneer die vooraf niet bekend is, en bekijk je de groothandelsdata opnieuw vanuit een ander perspectief.
4
Casestudy: Nationaal gemiddeld beroepsloon
In dit hoofdstuk pas je je vaardigheden toe om te onderzoeken hoe het gemiddelde salaris binnen beroepen in de tijd is veranderd.
R
Clusteranalyse in R
Cursus
voltooid
