Gefällt Ihnen die Vorschau?
Dies ist die kostenlose erste Lektion. Fordern Sie eine Demo an oder melden Sie sich an für vollen Zugriff.
Clustering im maschinellen Lernen
Sie lernen die Grundlagen des maschinellen Lernens und seine Anwendungen kennen.Preview the first lesson free — get full access to all 37 lessons.
Mittelstufe Anbieter : Briana Brownell 8 Kapitel · 37 Lektionen · 2h 39m auf Arabisch, Deutsch, Englisch, Spanisch, Französisch, Portugiesisch, Urdu, Chinese
Kursbeschreibung
In diesem Kurs lernen Sie die Grundlagen einer Vielzahl von Bereichen des maschinellen Lernens kennen, darunter Clustering, Anomalieerkennung und Assoziationsmodellierung. Sie lernen die gängigste Methode des Clustering, k-Means-Algorithmus. Sie kennen und erfahren, wie sie auf Umfragedaten angewendet werden kann, um eine robuste Kundensegmentierung zu erstellen, einschließlich der Erstellung von Personas und eines Typisierungstools. Am Ende dieses Kurses werden Sie wissen, wie Sie eine Reihe verschiedener Clustering- und Analysetechniken durchführen können. Genauer gesagt, werden Sie die gängigsten Clustering-Methoden und deren Leistung anhand verschiedener Beispieldatensätze kennenlernen. Sie werden lernen, wie man Daten auf absichtliche und unabsichtliche Anomalien wie Betrug und Dateneingabefehler analysiert, anomale Daten erkennt und wie man sie validiert. Sie werden untersuchen, wie Sie Assoziationsregeln zwischen Käufen erstellen und wie diese die Strategie eines Einzelhandelsgeschäfts oder einer E-Commerce-Website beeinflussen können. Es werden gängige Herausforderungen behandelt, damit Sie sicherstellen können, dass die von Ihnen erstellten Modelle gültig und robust sind. Schließlich werden Sie die Möglichkeit haben, mehrere Fallstudien zu betrachten, damit Sie sehen können, wie das Gelernte im Detail funktioniert.
Was Sie lernen werden
- Verstehen Sie die verschiedenen Clustering-Algorithmen und ihre Stärken und Schwächen, einschließlich k-means, mini-batch k-means, agglomerativ, spektral, DBSCAN und Gaußsche Mischungsmodelle
- Wählen Sie den besten Clustering-Algorithmus für ein spezifisches Problem aus und identifizieren Sie, wo Clustering auf reale Probleme angewendet wird
- Wenden Sie k-means auf Umfragedaten an, um Kundensegmentierung, Personas und ein Typisierungstool zu erstellen
- Erkennen Sie absichtliche und unbeabsichtigte Anomalien wie Betrug und Dateneingabefehler mit verschiedenen Methoden und validieren Sie diese
- Erstellen Sie Assoziationsregeln mit Unterstützung, Konfidenz und Lift, um das Kaufverhalten zu verstehen
- Analysieren Sie Fallstudien von Clustering- und Anomalieerkennung-Modellen, die implementiert wurden
Wichtige Erkenntnisse
- K-means ist die häufigste Clustering-Methode und kann auf Umfragedaten angewendet werden, um Kundensegmentierung, Personas und ein Typisierungstool zu erstellen.
- Clustering umfasst eine Reihe unbeaufsichtigter Techniken, und die Auswahl des richtigen Algorithmus hängt vom spezifischen Problem und dem Datensatz ab.
- Anomalieerkennung kann sowohl absichtliche Anomalien wie Betrug als auch unbeabsichtigte wie Dateneingabefehler finden, und erkannte Anomalien sollten validiert werden.
- Assoziationsregeln beschreiben Beziehungen zwischen Käufen und können die Strategie eines Einzelhandelsgeschäfts oder einer E-Commerce-Website informieren.
- Die Bewältigung häufiger Herausforderungen trägt dazu bei, sicherzustellen, dass die erstellten Clustering- und Analysemodelle gültig und robust sind.
Häufig gestellte Fragen
Welche Themen behandelt dieser Kurs?
Der Kurs behandelt die Grundlagen mehrerer Bereiche des maschinellen Lernens, einschließlich Clustering, Anomalieerkennung und Assoziationsmodellierung. Er überprüft häufige Clustering-Methoden und ihre Leistung bei Beispieldatensätzen, Anomalieerkennung, Erstellung von Assoziationsregeln und Fallstudien implementierter Modelle.
Welche Clustering-Algorithmen werde ich lernen?
Sie überprüfen Clustering-Methoden, einschließlich des k-means-Algorithmus, mini-batch k-means, agglomeratives Clustering, spektrales Clustering, DBSCAN und Gaußsche Mischungsmodelle, zusammen mit einem Algorithmus-Vergleich.
Welche Fähigkeiten werde ich durch diesen Kurs erwerben?
Sie erwerben Fähigkeiten in Clusteranalyse, Datenwissenschaft, hierarchischem Clustering, k-means-Clustering, Methoden des maschinellen Lernens und spektralem Clustering.
Wie wird k-means in diesem Kurs angewendet?
K-means wird auf Umfragedaten angewendet, um eine robuste Kundensegmentierung zu erstellen, einschließlich der Erstellung von Personas und eines Typisierungstools, und der Kurs behandelt auch die Auswahl von Eingabevariablen, die Auswahl der Anzahl der Cluster, die Interpretation von Zentroiden und Modellqualitätsmetriken.
Was kann ich mit Assoziationsregeln tun?
Sie lernen, wie man Assoziationsregeln zwischen Käufen mit Unterstützung, Konfidenz und Lift erstellt, und sehen, wie diese die Strategie eines Einzelhandelsgeschäfts oder einer E-Commerce-Website informieren können.
