K-Means Clustering in R: Unsupervised Machine Learning for Beginners (bằng tiếng Anh).

Mở khóa các mô hình ẩn trong dữ liệu không có nhãn là một trong những kỹ năng có giá trị nhất trong khoa học dữ kiện hiện đại. Lớp học dựa trên văn bản này cung cấp một sự giới thiệu rõ ràng, từng bước cho K-Means clustering, thuật toán nền tảng của học máy không giám sát, sử dụng ngôn ngữ lập trình R. Bằng cách đọc qua các giải thích rõ ràng và các ví dụ mã thực tế, bạn sẽ học cách chuẩn bị các tập dữ liệu của bạn, thực hiện thuật toán cụm, và giải thích kết quả để đưa ra các quyết định thông tin dữ kiện. Bạn sẽ chuyển từ việc hiểu nhóm dữ liệu cơ bản để tự tin áp dụng các luồng công việc tập hợp trên các tập dữ kiện thế giới thực. Bạn sẽ học được: - Hiểu được các khái niệm toán học cốt lõi đằng sau việc học máy không giám sát và K-Means clustering; - Chuẩn bị và chuẩn hóa dữ liệu thô bằng cách sử dụng các gói R hiện đại để đảm bảo kết quả clustering chính xác; - Xác định số lượng cụm tối ưu bằng cách dùng phương pháp Elbow và phân tích Silhouette; - Thực hiện thuật toán K- Means trong R và giải thích các centroid và phân bổ cụm; - Đánh giá chất lượng của cụm của bạn và khắc phục các vấn đề phổ biến như giá trị ngoài lề và quy mô; - Ứng dụng các kỹ thuật cụm để phân khúc khách hàng hoặc xác định các nhóm tự nhiên trong các tập dữ liệu. Chương trình bắt đầu với thuật ngữ thiết yếu và nền tảng toán học của các thước đo khoảng cách, tiếp theo là hướng dẫn từng bước thông qua xử lý trước dữ liệu, thực hiện thuật toán và đánh giá cụm trong R. Lớp học này được thiết kế cho người mới bắt đầu học máy và lập trình R, không yêu cầu kinh nghiệm trước đó với mô hình thống kê. Bắt đầu hành trình học không giám sát của bạn hôm nay.