PCA 複習與下一步

R 的無監督式學習

Hank Roark

Senior Data Scientist at Boeing

到目前為止的重點

  • 下載資料並整理為可建模格式
  • 探索式資料分析
  • 進行主成分分析
R 的無監督式學習

下一步

  • 完成階層式分群
  • 完成 k-means 分群
  • 結合 PCA 與分群
  • 比對階層式分群與診斷結果
  • 比較階層式與 k-means 的分群結果
  • 將 PCA 作為分群前處理
R 的無監督式學習

複習：R 的階層式分群

# 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
R 的無監督式學習

複習：R 的 k-means

$$

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

$$

  • 每列一筆觀測，每欄一個特徵
  • k-means 含隨機成分
  • 多次執行以提高得到最佳模型的機率
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...