分群

Tableau 的統計技巧

Maarten Van den Broeck

Content Developer at DataCamp

監督式 vs. 非監督式機器學習

監督式學習

將變數間已知關係套用到新的未見資料
例如回歸、指數平滑

非監督式學習

尋找相似資料點並偵測模式
例如分群

k-means 分群

k-means 分群演算法的視覺化示意。

k-means 分群

k-means 分群演算法的視覺化示意。隨機選出兩個中心。

k-means 分群

k-means 分群演算法的視覺化示意。將最近的點指定給這些中心。

k-means 分群

k-means 分群演算法的視覺化示意。中心移動到新的中心位置。

k-means 分群

k-means 分群演算法的視覺化示意。此流程為反覆運算並重複進行。

k-means 分群

k-means 分群演算法的視覺化示意。當中心不再移動時演算法停止。

評估分群品質

組間平方和

k-means 分群的視覺化示意。組間平方和為各中心到整體資料集平均值之距離平方的總和。

越高越好

組內平方和

k-means 分群的視覺化示意。組內平方和為各中心到其叢集內各點之距離平方的總和。

越低越好

一起來練習吧！

Tableau 的統計技巧

Preparing Video For Download...