Unsupervised learning: basis

Clusteranalyse in Python

Shaumik Daityari

Business Analyst

Alledaags voorbeeld: Google Nieuws

Hoe classificeert Google Nieuws artikelen?
Unsupervised learning-algoritme: clusteren
Vergelijk veelvoorkomende termen in artikelen om overeenkomst te vinden

Gelabelde en ongelabelde data

Data zonder labels

Punt 1: (1, 2)
Punt 2: (2, 2)
Punt 3: (3, 1)

Data met labels

Punt 1: (1, 2), Label: Gevarenzone
Punt 2: (2, 2), Label: Normale zone
Punt 3: (3, 1), Label: Normale zone

Wat is unsupervised learning?

Een groep machinelearning-algoritmen die patronen in data zoeken
Data is niet gelabeld, geclassificeerd of getypeerd
Doel: structuur in de data vinden en interpreteren
Veelvoorkomend bij unsupervised learning: clusteren, neurale netwerken, anomaliedetectie

Wat is clusteren?

Het groeperen van items met vergelijkbare kenmerken
Items binnen groepen lijken meer op elkaar dan op items in andere groepen
Voorbeeld: afstand tussen punten in een 2D-vlak

Data plotten voor clusteren - Pokémon-waarnemingen

from matplotlib import pyplot as plt

x_coordinates = [80, 93, 86, 98, 86, 9, 15, 3, 10, 20, 44, 56, 49, 62, 44]
y_coordinates = [87, 96, 95, 92, 92, 57, 49, 47, 59, 55, 25, 2, 10, 24, 10]

plt.scatter(x_coordinates, y_coordinates)
plt.show()

Zo meteen: oefenen

Clusteranalyse in Python