Pular para o conteúdo principal
InícioR

Unsupervised Learning in R

This course provides an intro to clustering and dimensionality reduction in R from a machine learning perspective.

Comece O Curso Gratuitamente
4 horas16 vídeos49 exercícios50.753 aprendizesTrophyDeclaração de Realização

Crie sua conta gratuita

GoogleLinkedInFacebook

ou

Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados são armazenados nos EUA.
Group

Treinar 2 ou mais pessoas?

Tentar DataCamp for Business

Amado por alunos de milhares de empresas


Descrição do Curso

Many times in machine learning, the goal is to find patterns in data without trying to make predictions. This is called unsupervised learning. One common use case of unsupervised learning is grouping consumers based on demographics and purchasing history to deploy targeted marketing campaigns. Another example is wanting to describe the unmeasured factors that most influence crime differences between cities. This course provides a basic introduction to clustering and dimensionality reduction in R from a machine learning perspective, so that you can get from data to insights as quickly as possible.
Para Empresas

Treinar 2 ou mais pessoas?

Obtenha acesso à sua equipe à plataforma DataCamp completa, incluindo todos os recursos.
DataCamp Para EmpresasPara uma solução sob medida , agende uma demonstração.

Nas seguintes faixas

Certificação disponível

Cientista de dados associado in R

Ir para a trilha

Fundamentos de aprendizado de máquina em R

Ir para a trilha

Cientista de aprendizado de máquina in R

Ir para a trilha
  1. 1

    Unsupervised learning in R

    Gratuito

    The k-means algorithm is one common approach to clustering. Learn how the algorithm works under the hood, implement k-means clustering in R, visualize and interpret the results, and select the number of clusters when it's not known ahead of time. By the end of the chapter, you'll have applied k-means clustering to a fun "real-world" dataset!

    Reproduzir Capítulo Agora
    Welcome to the course!
    50 xp
    Identify clustering problems
    50 xp
    Introduction to k-means clustering
    50 xp
    k-means clustering
    100 xp
    Results of kmeans()
    100 xp
    Visualizing and interpreting results of kmeans()
    100 xp
    How k-means works and practical matters
    50 xp
    Handling random algorithms
    100 xp
    Selecting number of clusters
    100 xp
    Introduction to the Pokemon data
    50 xp
    Practical matters: working with real data
    100 xp
    Review of k-means clustering
    50 xp
  2. 3

    Dimensionality reduction with PCA

    Principal component analysis, or PCA, is a common approach to dimensionality reduction. Learn exactly what PCA does, visualize the results of PCA with biplots and scree plots, and deal with practical issues such as centering and scaling the data before performing PCA.

    Reproduzir Capítulo Agora
  3. 4

    Putting it all together with a case study

    The goal of this chapter is to guide you through a complete analysis using the unsupervised learning techniques covered in the first three chapters. You'll extend what you've learned by combining PCA as a preprocessing step to clustering using data that consist of measurements of cell nuclei of human breast masses.

    Reproduzir Capítulo Agora
Para Empresas

Treinar 2 ou mais pessoas?

Obtenha acesso à sua equipe à plataforma DataCamp completa, incluindo todos os recursos.

Nas seguintes faixas

Certificação disponível

Cientista de dados associado in R

Ir para a trilha

Fundamentos de aprendizado de máquina em R

Ir para a trilha

Cientista de aprendizado de máquina in R

Ir para a trilha

conjuntos de dados

Pokemon dataWisconsin breast cancer data

colaboradores

Collaborator's avatar
Nick Carchedi
Collaborator's avatar
Tom Jeon

pré-requisitos

Introduction to R
Hank Roark HeadshotHank Roark

Senior Data Scientist, Boeing

Ver Mais

O que os outros alunos têm a dizer?

Junte-se a mais de 15 milhões de alunos e comece Unsupervised Learning in R hoje mesmo!

Crie sua conta gratuita

GoogleLinkedInFacebook

ou

Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados são armazenados nos EUA.