Klastrowanie
Data Science dla biznesu
Ramnath Vaidyanathan
VP of Product Research, DataCamp
Czym jest klastrowanie?
Podział danych na kategorie
Zastosowania
Segmentacja klientów
Segmentacja obrazów
Wykrywanie anomalii
Nadzorowane uczenie maszynowe
Nienadzorowane uczenie maszynowe
Studium przypadku: segmentacja klientów
Studium przypadku: segmentacja klientów
Definiowanie cech
Liczba lotów w ciągu ostatniego roku
Odsetek lotów międzynarodowych
Planowanie z wyprzedzeniem
Odsetek klasy biznes
Studium przypadku: segmentacja klientów
Określ liczbę klastrów
Studium przypadku: segmentacja klientów
Podsumowanie klastrowania
Definicja
Podział nieoznakowanego zbioru danych na kategorie
Kroki
Wybór cech
Wybór liczby klastrów
Wykorzystanie klastrów do rozwiązywania problemów biznesowych
Czas na ćwiczenia!
Data Science dla biznesu
Preparing Video For Download...