Úvod do případové studie
Unsupervised Learning in R
Hank Roark
Senior Data Scientist at Boeing
Cíle
- Kompletní analýza pomocí učení bez dozoru
- Opakování již probraného učiva
- Přidání kroků dosud nepokrytých (např. příprava dat, výběr vhodných příznaků pro učení s dozorem)
- Důraz na kreativitu
Příklad případu užití
- Data o lidské prsní tkáni:
- Deset příznaků měřených u každého jádra buňky
- Souhrnné informace jsou uvedeny pro každou skupinu buněk
- Zahrnuje diagnózu: benigní (nezhoubné) a maligní (zhoubné)
1 Zdroj: K. P. Bennett a O. L. Mangasarian: "Robust Linear Programming Discrimination of Two Linearly Inseparable Sets"
Analýza
- Stažení a příprava dat pro modelování
- Explorační analýza dat (počet pozorování, příznaků atd.)
- Provedení PCA a interpretace výsledků
- Dva typy shlukování
- Porozumění a porovnání obou typů
- Kombinace PCA a shlukování
Opakování: PCA v R
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
Učení bez dozoru je otevřené
- Kroky v tomto případě jsou pouze jedním z možných přístupů
- Existují i jiné způsoby analýzy tohoto datasetu
Pojďme si procvičit!
Unsupervised Learning in R
