個案研究導論

R 的無監督式學習

Hank Roark

Senior Data Scientist at Boeing

學習目標

  • 以非監督式學習完成完整分析
  • 強化你已學到的重點
  • 加入先前未涵蓋的步驟（如資料準備、為監督式學習挑選合適特徵）
  • 強調創意發揮
R 的無監督式學習

應用案例

  • 人體乳房腫塊資料：
    • 量測每個細胞核的 10 個特徵
    • 提供每群細胞的摘要資訊
    • 含診斷標籤：良性（非癌）與惡性（癌）
1 來源：K. P. Bennett 與 O. L. Mangasarian：『Robust Linear Programming Discrimination of Two Linearly Inseparable Sets』
R 的無監督式學習

分析流程

  • 下載並準備資料以建立模型
  • 探索式資料分析（觀測數、特徵數等）
  • 執行 PCA 並解讀結果
  • 完成兩種分群法
  • 理解並比較兩種方法
  • 結合 PCA 與分群
R 的無監督式學習

複習：在 R 進行 PCA

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
R 的無監督式學習

非監督式學習開放多元

  • 此案例的步驟只是可行做法之一
  • 也可用其他方法分析此資料集
R 的無監督式學習

一起來練習吧！

R 的無監督式學習

Preparing Video For Download...