Ga naar hoofdinhoud
HomeR

Cursus

Mixture Models in R

GemiddeldVaardigheidsniveau
Bijgewerkt 08-2024
Leer over mengmodellen: een handig en formeel statistisch kader voor probabilistische clustering en classificatie.
Start Cursus Kosteloos
RProbability & Statistics
4 u
14 videos
47 Opdrachten
3,600 XP
5,206
Bewijs van Prestatie

Maak je kosteloos account aan

Ga verder met GoogleMeer opties weergeven

of


Door verder te gaan accepteer je onze Gebruiksvoorwaarden, ons Privacybeleid en dat je gegevens worden opgeslagen in de VS.

Geliefd bij leerlingen van duizenden bedrijven

Group

Een team trainen?

Probeer voor bedrijven

Cursusbeschrijving

Mixture modeling is een manier om populaties te beschrijven wanneer we geïnteresseerd zijn in hun heterogeniteit. Mixture models gebruiken bekende kansverdelingen (bijv. Gaussisch, Poisson, Binomiaal) om een handig maar formeel statistisch kader te bieden voor clusteren en classificatie. In tegenstelling tot standaard clusteringbenaderingen kunnen we de kans schatten dat een observatie tot een cluster behoort en conclusies trekken over de subpopulaties. In een marketingcontext wil je bijvoorbeeld verschillende klantgroepen clusteren en hun respectieve kansen bepalen om specifieke producten te kopen, zodat je ze gerichter kunt benaderen met maatwerkacties. Bij het toepassen van natural language processing op een grote set documenten wil je documenten wellicht in onderwerpen clusteren en begrijpen hoe belangrijk elk onderwerp is binnen elk document. In deze cursus leer je wat Mixture Models zijn, hoe ze worden geschat en wanneer het passend is om ze toe te passen!

Vereisten

Intermediate RIntroduction to the TidyverseFoundations of Probability in R
1

Introduction to Mixture Models

In dit hoofdstuk maak je kennis met de basisconcepten van modelgebaseerd clusteren en hoe deze aanpak verschilt van andere clusteringtechnieken. Je leert het generatieproces van Gaussian Mixture Models en hoe je de clusters kunt visualiseren.
Hoofdstuk beginnen
2

Structure of Mixture Models and Parameters Estimation

In dit hoofdstuk maak je kennis met de hoofdstructuur van Mixture Models, hoe je met deze aanpak verschillende typen data benadert en hoe je de betrokken parameters schat. Voor de schatting leer je een iteratieve methode kennen: het Expectation-Maximization-algoritme.
Hoofdstuk beginnen
4

Mixture Models Beyond Gaussians

In deze module leer je hoe Mixture Models worden uitgebreid naar kansverdelingen anders dan de Gaussische en hoe deze modellen met flexmix worden gefit. De datasets zijn afbeeldingen van handgeschreven cijfers en het aantal misdrijven in de stad Chicago. Voor de eerste gegevensset vind je clusters die de handgeschreven cijfers samenvatten en voor de tweede gegevensset vind je clusters van buurten waar het meer of minder gevaarlijk is om te wonen.
Hoofdstuk beginnen
Mixture Models in R
Cursus
voltooid

Verdien een prestatieverklaring

Voeg deze referentie toe aan je LinkedIn-profiel, cv of curriculum vitae
Deel het op sociale media en in je functioneringsgesprek
Schrijf je nu in

Sluit je aan bij meer dan 19 miljoen leerlingen en start vandaag nog met Mixture Models in R!

Maak je kosteloos account aan

Ga verder met GoogleMeer opties weergeven

of


Door verder te gaan accepteer je onze Gebruiksvoorwaarden, ons Privacybeleid en dat je gegevens worden opgeslagen in de VS.

Ontwikkel je datavaardigheden met DataCamp voor Mobiel

Maak vooruitgang onderweg met onze mobiele cursussen en dagelijkse 5-minuten programmeeruitdagingen.