Unsupervised Machine Learning: Clustering in R and SAS (bằng tiếng Anh).

Các doanh nghiệp và các nhà nghiên cứu dựa vào học máy không giám sát để phát hiện các mô hình ẩn và nhóm tự nhiên trong các tập dữ liệu phức tạp. Chương trình này cung cấp một nền tảng khái niệm rõ ràng trong phân tích cụm, hướng dẫn bạn từ thuật ngữ cơ bản đến thực hiện thực tế. Bạn sẽ học cách chuẩn bị dữ liệu, chọn thuật toán cụm đúng, và viết mã sạch, có thể tái tạo trong cả SAS và R để giải quyết các vấn đề phân đoạn trong thế giới thực. Bạn sẽ học được: - Hiểu các nguyên tắc cơ bản của học máy không giám sát và cách phân loại khác nhau như thế nào từ phân loại giám thị. - Học kỹ thuật phân cấp, bao gồm các phương pháp tập trung, và học cách giải thích dendrograms. - Thực hiện nhóm K-means không có cấp bậc và xác định số lượng nhóm tối ưu bằng cách sử dụng các đồ thị scree và các chỉ số đánh giá hiện đại. - Chuẩn bị và tiêu chuẩn hóa dữ liệu thô để đảm bảo kết quả cụm chính xác và không thiên vị. - Viết và thực hiện các chương trình tập hợp sử dụng cả thủ tục SAS và các luồng công việc lập trình R hiện đại. - Phân tích và giải thích các kết quả cụm để trích xuất kinh doanh và tiếp thị hữu ích. Bạn sẽ bắt đầu với các khái niệm thống kê cốt lõi về khoảng cách và tương tự trước khi chuyển sang các bước lập trình. Các tài liệu sẽ hướng dẫn bạn qua quá trình xử lý dữ liệu, thực hiện thuật toán, và giải thích cuối cùng về kết quả nhóm của bạn. Lớp học này được thiết kế cho người mới bắt đầu, người đam mê dữ liệu và các nhà phân tích cấp thấp tìm kiếm để mở rộng bộ công cụ lập trình thống kê của họ, không cần kinh nghiệm học máy trước đó. Bắt đầu đọc hôm nay để mở khóa sức mạnh của việc học không giám sát và biến dữ liệu thô thành kiến thức có cấu trúc.