Sammanfattning och repetition

Oövervakad inlärning i R

Hank Roark

Senior Data Scientist at Boeing

Sammanfattning av fallstudien

Hela dataanalysprocessen med oövervakad inlärning
Kreativt angreppssätt vid modellering
Redo att tackla verkliga problem

Typer av klustring

k-means vs dendrogram

Dimensionsreducering

PCA-projektion

Modellval

# Initialize total within sum of squares error: wss
wss <- 0

# Look over 1 to 15 possible clusters
for (i in 1:15) {
  # Fit the model: km.out
  km.out <- kmeans(pokemon, centers = i, nstart = 20, iter.max = 50)
  # Save the within cluster sum of squares
  wss[i] <- km.out$tot.withinss
}

# Produce a scree plot
plot(1:15, wss, type = "b", 
     xlab = "Number of Clusters", 
     ylab = "Within groups sum of squares")

Tolka PCA-resultat

biplot och screeplot

Vikten av att skala data

jämförelse av skalad och oskalad särdragsvikt

Kursrepetition

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

Dendrogram

dendrogram

Styrkor och svagheter hos varje algoritm

olika klustringsresultat

Kursrepetition

# Repeat for components 1 and 3
plot(wisc.pr$x[, c(1, 3)], col = (diagnosis + 1), 
     xlab = "PC1", ylab = "PC3")

principalkomponenter

Nu kör vi en övning!

Oövervakad inlärning i R