After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Opis kursu
Dowiedz się, jak przeprowadzać analizę skupień
Analiza skupień to potężny zestaw narzędzi w warsztacie data science. Służy do znajdowania grup obserwacji (klastrów), które mają podobne cechy. Te podobieństwa mogą wspierać wszelkiego rodzaju decyzje biznesowe; na przykład w marketingu wykorzystuje się je do identyfikowania odrębnych grup klientów, do których można dopasować reklamy.Poznaj techniki klasteryzacji hierarchicznej i K-means
W tym kursie poznasz dwie powszechnie stosowane metody klasteryzacji — klasteryzację hierarchiczną i klasteryzację k-średnich. Nie tylko nauczysz się, jak korzystać z tych metod, ale także zbudujesz solidną intuicję, jak działają i jak interpretować ich wyniki. Rozwiniesz tę intuicję, analizując trzy różne zbiory danych: pozycje piłkarzy, dane o wydatkach klientów hurtowych oraz longitudinalne dane o wynagrodzeniach zawodowych.Doskonal swoje umiejętności dzięki praktycznemu studium przypadku
Ukończysz kurs, wykorzystując nowe umiejętności w studium przypadku opartym na średnich wynagrodzeniach i tym, jak zmieniały się one z biegiem czasu. To połączy techniki klasteryzacji hierarchicznej, takie jak drzewa zawodów, przygotowanie do eksploracji i tworzenie wykresów klastrów zawodowych, z technikami k-means, w tym analizą łokcia i średnią szerokością sylwetki.Kursy DataCamp składają się z połączenia filmów, artykułów i ćwiczeń praktycznych, dzięki czemu masz okazję sprawdzić i utrwalić nowo zdobyte umiejętności, abyś czuł(a) się pewnie, stosując je poza środowiskiem kursowym.
Wymagania wstępne
Program kursu
Plan kursu
1
Obliczanie odległości między obserwacjami
Analiza skupień polega na znajdowaniu grup obserwacji, które są do siebie podobne, a jednocześnie różnią się od pozostałych grup. To podobieństwo i różnicę mierzy się za pomocą metryki zwanej odległością. W tym rozdziale nauczysz się obliczać odległość między obserwacjami zarówno dla cech ciągłych, jak i kategorycznych. Rozwiniesz też intuicję dotyczącą tego, jak skala cech wpływa na obliczane odległości.
- Czym jest analiza skupień?50 XP
- Kiedy stosować klasteryzację?50 XP
- Odległość między dwoma obserwacjami50 XP
- Oblicz i zwizualizuj odległość między dwoma zawodnikami100 XP
- Korzystanie z funkcji dist()100 XP
- Którzy zawodnicy są najbliżej siebie?50 XP
- Znaczenie skali50 XP
- Wpływ skali100 XP
- Kiedy skalować dane?50 XP
- Mierzenie odległości dla danych kategorycznych50 XP
- Obliczanie odległości między zmiennymi kategorycznymi100 XP
- Najbliższa obserwacja dla pary50 XP
2
Hierarchiczna analiza skupień
Ten rozdział pomoże ci odpowiedzieć na pytanie postawione w rozdziale 1 – jak znaleźć grupy podobnych obserwacji (skupień) w danych na podstawie obliczonych odległości? Poznasz podstawowe zasady hierarchicznej analizy skupień – kryteria łączenia oraz wykres dendrogramu – i zobaczysz, jak oba elementy służą do budowania skupień. Przeanalizujesz też dane hurtowni, aby przeprowadzić segmentację klientów na podstawie ich zwyczajów zakupowych.
3
Algorytm k-średnich
W tym rozdziale zrozumiesz zasady działania algorytmu k-średnich, nauczysz się dobierać właściwą wartość k, gdy nie jest ona z góry znana, oraz spojrzysz na dane hurtowni z nowej perspektywy.
4
Studium przypadku: średnie wynagrodzenia w zawodach na poziomie krajowym
W tym rozdziale wykorzystasz zdobyte umiejętności, aby zbadać, jak zmieniały się średnie wynagrodzenia w różnych zawodach na przestrzeni czasu.
R
Analiza skupień w R
Kurs
ukończony
