Datencluster analysieren

Name: Datencluster analysieren
Author: Briana Brownell

Einführung in das Clustering und die Modellierung und ihre problemlösende Anwendung.

Preview the first lesson free — get full access to all 7 lessons.

Kurs: On-Demand

In dieser Lektion beginnen wir damit, darüber zu sprechen einige der grundlegenden Theorien hinter dem Clustering und warum Sie es in der Praxis verwenden möchten, einschließlich Möglichkeiten, wie Sie Clustering verwenden können zusammen mit anderen Methoden des maschinellen Lernens wie Dimensionsreduktion, Feature-Engineering, und Vorhersage. Unüberwachtes maschinelles Lernen ist eine der drei Hauptarten des maschinellen Lernens zusammen mit überwachtem Lernen und bestärkendes Lernen. Alle Arten des maschinellen Lernens verwenden Daten, um zu lernen. Diese Definition von Dr. Schapire in Princeton vermittelt einen Eindruck von Lernstilen die wir mit maschinellem Lernen machen können. Eine Möglichkeit, über unbeaufsichtigtes maschinelles Lernen nachzudenken ist das im Gegensatz zu überwachtem und bestärkendem Lernen, Unüberwachtes Lernen ist Lernen ohne Lehrer. Während überwachtes maschinelles Lernen beschriftete Beispiele verwendet und verstärktes Lernen verwendet eine Art Nutzenfunktion oder Gesamtziel, unüberwachtes maschinelles Lernen ermöglicht uns auftauchende Muster innerhalb von Datensätzen zu finden. Und deshalb unüberwachtes maschinelles Lernen hat seine eigenen speziellen Anwendungsbereiche innerhalb der Welt des maschinellen Lernens als Ganzes. Das liegt daran, dass wir oft versuchen, Vorhersagen zu treffen wo wir irgendeine Annahme treffen müssen über die Beziehungen zwischen Variablen und die Datenmuster, die wir sehen könnten. Beim unüberwachten maschinellen Lernen Wir wollen diese Muster finden ohne eine bestimmte Hypothese zu beeindrucken auf die Daten im Voraus. So finden wir Dinge, die wirklich überraschend sind. Und beim Clustern besonders dieser emergenten Muster kann sehr nützlich sein. Unüberwachtes Lernen kann vielfältig eingesetzt werden von verschiedenen Aufgaben, einschließlich Kundensegmentierung, Anomalieerkennung für Dinge wie Betrug, sowie in verschiedenen Arten der Sprachmodellierung wie das Gruppieren von Artikeln die sich gemeinsam um ähnliche Themen drehen. Jetzt solltest du also eine Idee haben wie unüberwachtes maschinelles Lernen zusammenhängt zu überwachtem Lernen sowie bestärkendem Lernen, und die grundlegenden Unterschiede zwischen ihnen.

Mittelstufe Anbieter : Briana Brownell 7 Lektionen · 36m auf Arabisch, Deutsch, Englisch, Spanisch, Französisch, Portugiesisch, Urdu, Chinese

Kursbeschreibung

In diesen Lektionen wird das Clustering und sein Problembereich innerhalb des unüberwachten maschinellen Lernens vorgestellt. Sie lernen die Kombinationen von Clustering mit anderen Modellierungsschritten wie Dimensionsreduktion, Feature Engineering und Vorhersage kennen. Sie werden auch lernen, wie man Clustering von einem geschäftlichen Standpunkt aus betrachtet und für welche Arten von Problemen es nützlich ist.

Was Sie lernen werden

Erkennen Sie, wie Clustering mit anderen Bereichen des maschinellen Lernens zusammenhängt
Wenden Sie Modellierungsschritte an, einschließlich Dimensionsreduktion und Vorhersage
Wenden Sie Clustering auf Bereiche des Geschäftsbetriebs an
Vergleichen Sie Clustering-Techniken wie K-Means, hierarchisches und spektrales Clustering
Verwenden Sie Ähnlichkeitsmaße zur Analyse von Datenclustern
Kombinieren Sie Clustering mit Feature Engineering

Wichtige Erkenntnisse

Clustering ist Teil des Problemraums innerhalb des unbeaufsichtigten maschinellen Lernens.
Clustering kann mit anderen Modellierungsschritten wie Dimensionsreduktion, Feature Engineering und Vorhersage kombiniert werden.
Clustering kann aus geschäftlicher Perspektive betrachtet und auf Geschäftsvorgänge angewendet werden.
Der Kurs behandelt Clustering-Grundlagen und Ähnlichkeitsmaße als Grundlagen für Clusteranalyse.
Clustering ist nützlich für bestimmte Arten von Problemen, deren Identifikation der Kurs unterstützt.

Häufig gestellte Fragen

Was behandelt dieser Kurs?

Er führt in Clustering und seinen Problemraum innerhalb des unbeaufsichtigten maschinellen Lernens ein, einschließlich der Kombination von Clustering mit anderen Modellierungsschritten wie Dimensionsreduktion, Feature Engineering und Vorhersage, und wie man Clustering aus geschäftlicher Perspektive betrachtet.

Welche Fähigkeiten werde ich durch diesen Kurs erwerben?

Sie werden Fähigkeiten in Clusteranalyse, Datenklassifizierung, hierarchischem Clustering, K-Means-Clustering, spektralem Clustering und unbeaufsichtigtem Lernen aufbauen.

Welche Themen werden in den Lektionen gelehrt?

Die Lektionen behandeln unbeaufsichtigtes maschinelles Lernen, Clustering-Grundlagen, Ähnlichkeitsmaße, Clustering und Dimensionsreduktion, Clustering und Feature Engineering, Clustering und Vorhersage sowie die Verwendung von Datenclustern.

Wie verbindet dieser Kurs Clustering mit Geschäft?

Er vermittelt, wie man Clustering aus geschäftlicher Perspektive betrachtet, für welche Probleme es nützlich ist, und wie man Clustering auf Bereiche des Geschäftsbetriebs anwendet.