PCA: Rückblick und nächste Schritte

Unüberwachtes Lernen in R

Hank Roark

Senior Data Scientist at Boeing

Bisheriger Rückblick

  • Daten heruntergeladen und fürs Modellieren vorbereitet
  • Explorative Datenanalyse
  • Hauptkomponentenanalyse (PCA) durchgeführt
Unüberwachtes Lernen in R

Nächste Schritte

  • Hierarchisches Clustering abschließen
  • k-means-Clustering abschließen
  • PCA und Clustering kombinieren
  • Ergebnisse des hierarchischen Clusterings mit der Diagnose vergleichen
  • Hierarchisches vs. k-means-Clustering vergleichen
  • PCA als Vorverarbeitung fürs Clustering
Unüberwachtes Lernen in R

Rückblick: hierarchisches Clustering in R

# Berechnet Ähnlichkeit als euklidische Distanz zwischen Beobachtungen
s <- dist(x)

# Gibt ein hierarchisches Clustering-Modell zurück
hclust(s)

Call:
hclust(d = s)

Cluster method   : complete 
Distance         : euclidean 
Number of objects: 50
Unüberwachtes Lernen in R

Rückblick: k-means in R

$$

# k-means-Algorithmus mit 5 Zentren, 20 Durchläufe
kmeans(x, centers = 5, nstart = 20)

$$

  • Eine Beobachtung pro Zeile, ein Merkmal pro Spalte
  • k-means hat eine zufällige Komponente
  • Algorithmus mehrfach ausführen, um die Chance auf das beste Modell zu erhöhen
Unüberwachtes Lernen in R

Lass uns üben!

Unüberwachtes Lernen in R

Preparing Video For Download...