Tổng kết và ôn tập

Học không giám sát với R

Hank Roark

Senior Data Scientist at Boeing

Kết thúc nghiên cứu tình huống

  • Toàn bộ quy trình phân tích bằng học không giám sát
  • Cách tiếp cận mô hình sáng tạo
  • Sẵn sàng giải quyết bài toán thực tế
Học không giám sát với R

Các kiểu phân cụm

k-means vs dendrogram

Học không giám sát với R

Giảm chiều dữ liệu

chiếu PCA

Học không giám sát với R

Chọn mô hình

# Initialize total within sum of squares error: wss
wss <- 0

# Look over 1 to 15 possible clusters
for (i in 1:15) {
  # Fit the model: km.out
  km.out <- kmeans(pokemon, centers = i, nstart = 20, iter.max = 50)
  # Save the within cluster sum of squares
  wss[i] <- km.out$tot.withinss
}

# Produce a scree plot
plot(1:15, wss, type = "b", 
     xlab = "Number of Clusters", 
     ylab = "Within groups sum of squares")
Học không giám sát với R

Diễn giải kết quả PCA

biểu đồ đôi và screeplot

Học không giám sát với R

Tầm quan trọng của chuẩn hóa dữ liệu

so sánh tầm quan trọng của đặc trưng khi đã/không chuẩn hóa

Học không giám sát với R

Ôn tập khóa học

pr.iris <- prcomp(x = iris[-5],
                  scale = FALSE,
                  center = TRUE)
summary(pr.iris)

Importance of components:
                          PC1     PC2    PC3     PC4
Standard deviation     2.0563 0.49262 0.2797 0.15439
Proportion of Variance 0.9246 0.05307 0.0171 0.00521
Cumulative Proportion  0.9246 0.97769 0.9948 1.00000
Học không giám sát với R

Dendrogram

sơ đồ cây phân cấp

Học không giám sát với R

Ưu và nhược điểm của từng thuật toán

kết quả phân cụm khác nhau

Học không giám sát với R

Ôn tập khóa học

# Repeat for components 1 and 3
plot(wisc.pr$x[, c(1, 3)], col = (diagnosis + 1), 
     xlab = "PC1", ylab = "PC3")

các thành phần chính

Học không giám sát với R

Rèn luyện kỹ năng!

Học không giám sát với R

Preparing Video For Download...