Introduktion till fallstudien
Oövervakad inlärning i R
Hank Roark
Senior Data Scientist at Boeing
Mål
- Genomför en komplett analys med oövervakad inlärning
- Repetera det du redan lärt dig
- Lägg till steg som inte tagits upp tidigare (t.ex. att förbereda data och välja bra särdrag för övervakad inlärning)
- Betona kreativitet
Exempelfall
- Data om mänsklig bröstvävnad:
- Tio särdrag mäts för varje cellkärna
- Sammanfattande information ges för varje cellgrupp
- Inkluderar diagnos: benign (inte cancerös) och malign (cancerös)
1 Källa: K. P. Bennett och O. L. Mangasarian: "Robust Linear Programming Discrimination of Two Linearly Inseparable Sets"
Analys
- Ladda ned och förbered data för modellering
- Explorativ dataanalys (antal observationer, antal särdrag osv.)
- Utför PCA och tolka resultaten
- Genomför två typer av klustring
- Förstå och jämför de två typerna
- Kombinera PCA och klustring
Repetition: PCA i 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
Oövervakad inlärning är öppen för tolkning
- Stegen i det här fallstudien är bara ett exempel på vad som kan göras
- Det finns andra sätt att analysera den här datamängden
Nu kör vi en övning!
Oövervakad inlärning i R
