Révision de l'ACP et prochaines étapes

Apprentissage non supervisé en R

Hank Roark

Senior Data Scientist at Boeing

Bilan jusqu'ici

  • Données téléchargées et préparées pour le modèle
  • Analyse exploratoire des données
  • Analyse en composantes principales réalisée
Apprentissage non supervisé en R

Prochaines étapes

  • Terminer le clustering hiérarchique
  • Terminer le clustering k-means
  • Combiner ACP et clustering
  • Contraster les résultats du clustering hiérarchique avec le diagnostic
  • Comparer les résultats hiérarchique et k-means
  • ACP comme étape de prétraitement pour le clustering
Apprentissage non supervisé en R

Rappel : clustering hiérarchique en R

# Calcule la similarité comme distance euclidienne entre observations
s <- dist(x)

# Renvoie un modèle de clustering hiérarchique
hclust(s)

Call:
hclust(d = s)

Cluster method   : complete 
Distance         : euclidean 
Number of objects: 50
Apprentissage non supervisé en R

Rappel : k-means en R

$$

# Algorithme k-means avec 5 centres, exécuté 20 fois
kmeans(x, centers = 5, nstart = 20)

$$

  • Une observation par ligne, une variable par colonne
  • k-means comporte une part aléatoire
  • Lancer l'algorithme plusieurs fois pour augmenter les chances d'obtenir le meilleur modèle
Apprentissage non supervisé en R

Passons à la pratique !

Apprentissage non supervisé en R

Preparing Video For Download...