Chuyển đến nội dung chính

Khóa học

Học không giám sát với R

Trung cấp4 giờ

R4 giờ16 video49 bài tập3,600 XP55,192Bản xác nhận thành tích

Tạo tài khoản miễn phí của bạn

Tiếp tục với Google
hoặc
Bằng cách tiếp tục, bạn chấp nhận Điều khoản sử dụng, Chính sách quyền riêng tư và việc dữ liệu của bạn được lưu trữ tại Hoa Kỳ.

Được yêu thích bởi người học tại hàng nghìn công ty

Đào tạo một nhóm?

Dùng thử cho Doanh nghiệp

Mô tả khóa học

Nhiều khi trong Machine Learning, mục tiêu là tìm mẫu (pattern) trong dữ liệu mà không cố gắng dự đoán. Đó là học không giám sát. Một trường hợp sử dụng phổ biến là nhóm người tiêu dùng theo nhân khẩu học và lịch sử mua sắm để triển khai các chiến dịch tiếp thị nhắm mục tiêu. Ví dụ khác là mô tả các yếu tố chưa đo lường được nhưng ảnh hưởng nhiều nhất đến khác biệt về tỷ lệ tội phạm giữa các thành phố. Khóa học này giới thiệu căn bản về phân cụm và giảm chiều dữ liệu trong R từ góc nhìn Machine Learning, giúp bạn đi từ dữ liệu đến insight nhanh nhất có thể.

Yêu cầu tiên quyết

Chương trình học

Đề cương khóa học

1

Học không giám sát trong R

3

Giảm chiều với PCA

Phân tích thành phần chính (Principal Component Analysis, PCA) là cách tiếp cận thường dùng để giảm chiều. Học chính xác PCA làm gì, trực quan hóa kết quả PCA với biplot và scree plot, và xử lý các vấn đề thực tế như chuẩn hóa tâm (centering) và chuẩn hóa tỉ lệ (scaling) dữ liệu trước khi thực hiện PCA.
Bắt đầu chương
4

Tổng hợp qua một nghiên cứu tình huống

Mục tiêu của chương này là hướng dẫn bạn thực hiện một phân tích trọn vẹn bằng các kỹ thuật học không giám sát đã học ở ba chương đầu. Bạn sẽ mở rộng kiến thức bằng cách kết hợp PCA như bước tiền xử lý cho phân cụm, sử dụng dữ liệu gồm các phép đo nhân tế bào của khối u vú ở người.
Bắt đầu chương
R

Học không giám sát với R

Hoàn
thành khóa học

Nhận Giấy Chứng Nhận Hoàn Thành

Đăng ký ngay

Phát triển kỹ năng dữ liệu của bạn với DataCamp for Mobile

Tiến bộ mọi lúc mọi nơi với các khóa học di động và thử thách lập trình 5 phút mỗi ngày của chúng tôi.