Oövervakad inlärning i R

Hierarkisk klustring är en annan populär klustringsmetod. Målet med det här kapitlet är att gå igenom hur den fungerar, hur den används och hur den skiljer sig från k-means-klustring.

Principalkomponentanalys, eller PCA, är ett vanligt sätt att reducera dimensionalitet. Lär dig exakt vad PCA gör, visualisera resultaten med biplottar och scree-plottar, och hantera praktiska frågor som centrering och skalning av data innan du utför PCA.

Målet med det här kapitlet är att guida dig genom en komplett analys med de oövervakade inlärningsmetoder som behandlades i de tre första kapitlen. Du bygger vidare på det du lärt dig genom att kombinera PCA som ett förbehandlingssteg med klustring, med data som består av mätningar av cellkärnor från mänskliga bröstvävnadsprover.