Récapitulatif sur l'ACP et prochaines étapes

Apprentissage non supervisé en R

Hank Roark

Senior Data Scientist at Boeing

Récapitulatif jusqu'ici

  • Données téléchargées et préparées pour la modélisation
  • Analyse exploratoire des données
  • Analyse en composantes principales (ACP) effectuée
Apprentissage non supervisé en R

Prochaines étapes

  • Terminer le regroupement hiérarchique
  • Terminer le regroupement par k-moyennes
  • Combiner ACP et regroupement
  • Contraster les résultats du regroupement hiérarchique avec le diagnostic
  • Comparer les résultats hiérarchiques et k-moyennes
  • ACP comme prétraitement pour le regroupement
Apprentissage non supervisé en R

Rappel : regroupement hiérarchique en R

# Calculates similarity as Euclidean distance between observations
s <- dist(x)

# Returns hierarchical clustering model
hclust(s)

Call:
hclust(d = s)

Cluster method   : complete 
Distance         : euclidean 
Number of objects: 50
Apprentissage non supervisé en R

Rappel : k-moyennes en R

$$

# k-means algorithm with 5 centers, run 20 times
kmeans(x, centers = 5, nstart = 20)

$$

  • Une observation par ligne, une caractéristique par colonne
  • k-moyennes comporte un volet aléatoire
  • Exécuter l'algorithme plusieurs fois pour maximiser les chances du meilleur modèle
Apprentissage non supervisé en R

Passons à la pratique !

Apprentissage non supervisé en R

Preparing Video For Download...