Clustering

Statistische technieken in Tableau

Maarten Van den Broeck

Content Developer at DataCamp

Supervised vs. unsupervised machine learning

Supervised learning

Pas bekende relaties tussen variabelen toe op nieuwe, ongeziene data
Bijv. regressie, exponentiële smoothing

Unsupervised learning

Zoekt vergelijkbare punten en ontdekt patronen
Bijv. clustering

k-means-clustering

Visuele weergave van het k-means-clusteralgoritme.

k-means-clustering

Visuele weergave van het k-means-clusteralgoritme. Twee willekeurige centra worden gekozen.

k-means-clustering

Visuele weergave van het k-means-clusteralgoritme. De dichtstbijzijnde punten worden aan die centra toegewezen.

k-means-clustering

Visuele weergave van het k-means-clusteralgoritme. De centra worden verplaatst naar het nieuwe middelpunt.

k-means-clustering

Visuele weergave van het k-means-clusteralgoritme. Het proces is iteratief en herhaalt.

k-means-clustering

Visuele weergave van het k-means-clusteralgoritme. Het algoritme stopt wanneer de centra niet meer bewegen.

Clusterkwaliteit beoordelen

Tussen-groepen som van kwadraten

Visuele weergave van k-means-clustering. Tussen-groepen som van kwadraten is de som van de gekwadrateerde afstanden tussen de centra en het gemiddelde van de hele dataset.

Hoe hoger, hoe beter

Binnen-groepen som van kwadraten

Visuele weergave van k-means-clustering. Binnen-groepen som van kwadraten is de som van de gekwadrateerde afstanden tussen de centra en de punten van de cluster.

Hoe lager, hoe beter

Laten we oefenen!

Statistische technieken in Tableau