Wprowadzenie do klasteryzacji opartej na modelach

Modele mieszane w R

Victor Medina

Researcher at The University of Edinburgh

Czym jest klasteryzacja?

Proces podziału zbioru obserwacji na znaczące podklasy

$\to$ Pomaga eksplorować i rozumieć naturalną strukturę danych

Zastosowania klasteryzacji

Medycyna
- Np. analiza obrazów medycznych w celu rozróżnienia typów tkanek
Biznes
- Np. identyfikacja grup klientów na potrzeby ukierunkowanego marketingu
Nauki społeczne
- Np. wyznaczanie stref w mieście według rodzaju przestępstw w celu efektywniejszego zarządzania zasobami służb porządkowych

Metody klasteryzacji

Techniki podziałowe
- Wyznaczają centra klastrów; każda obserwacja trafia do klastra o najbliższym centrum. Np. Kmeans
Techniki hierarchiczne
- Łączą obserwacje na podstawie podobieństwa. Np. klasteryzacja hierarchiczna
Metody oparte na modelach
- Używają rozkładów probabilistycznych do tworzenia klastrów. Np. modele mieszane

Zbiór danych o płci

gender <- read.csv("gender.csv")
head(gender)

    Height   Weight      BMI
1 73.84702 241.8936 31.18576
2 68.78190 162.3105 24.12104
3 74.11011 212.7409 27.23291
4 71.73098 220.0425 30.06706
5 69.88180 206.3498 29.70803
6 67.25302 152.2122 23.66049

Zbiór danych o płci: czy można odgadnąć płeć?

library(ggplot2)
ggplot(gender, aes(x = Weight, y = BMI)) + geom_points()

Wprowadzenie do klasteryzacji opartej na modelach

Czym jest klasteryzacja?

Zastosowania klasteryzacji

Metody klasteryzacji

Zbiór danych o płci

Zbiór danych o płci: czy można odgadnąć płeć?

Zbiór danych o płci: czy można odgadnąć płeć?

Tradycyjne metody klasteryzacji

Klasteryzacja oparta na modelach

Klasteryzacja oparta na modelach

Czas na ćwiczenia!