Introducere în studiul de caz
Învățare nesupervizată în R
Hank Roark
Senior Data Scientist at Boeing
Obiective
- Analiză completă prin învățare nesupervizată
- Consolidarea cunoștințelor dobândite
- Adăugarea unor pași noi (ex.: pregătirea datelor, selectarea caracteristicilor pentru învățarea supervizată)
- Accent pe creativitate
Caz de utilizare exemplu
- Date despre masa mamară umană:
- Zece caracteristici măsurate pentru fiecare nucleu celular
- Informații rezumative pentru fiecare grup de celule
- Include diagnosticul: benign (necanceros) și malign (canceros)
1 Sursă: K. P. Bennett și O. L. Mangasarian: "Robust Linear Programming Discrimination of Two Linearly Inseparable Sets"
Analiză
- Descărcarea și pregătirea datelor pentru modelare
- Analiza exploratorie a datelor (nr. observații, nr. caracteristici etc.)
- Realizarea PCA și interpretarea rezultatelor
- Două tipuri de clustering
- Înțelegerea și compararea celor două tipuri
- Combinarea PCA cu clustering
Recapitulare: PCA în 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
Învățarea nesupervizată este deschisă
- Pașii din acest caz de utilizare sunt doar un exemplu din ce se poate face
- Există și alte abordări pentru analiza acestui set de date
Să exersăm!
Învățare nesupervizată în R
