Description du cours
Ces leçons présenteront le clustering et son espace de problèmes dans l'apprentissage automatique non supervisé. Vous apprendrez à associer le clustering à d'autres étapes de modélisation telles que la réduction de la dimension, l'ingénierie des caractéristiques et la prédiction. Vous apprendrez également comment considérer le clustering d'un point de vue commercial, ainsi que les types de problèmes pour lesquels il est utile.
Ce que vous allez apprendre
- Reconnaître comment le clustering s'associe à d'autres domaines de l'apprentissage automatique
- Appliquer les étapes de modélisation, y compris la réduction de dimension et la prédiction
- Appliquer le clustering aux domaines des opérations commerciales
- Comparer les techniques de clustering telles que K-Means, le clustering hiérarchique et spectral
- Utiliser des mesures de similarité pour analyser les clusters de données
- Combiner le clustering avec l'ingénierie des caractéristiques
Points clés à retenir
- Le clustering fait partie de l'espace de problèmes au sein de l'apprentissage automatique non supervisé.
- Le clustering peut être associé à d'autres étapes de modélisation telles que la réduction de dimension, l'ingénierie des caractéristiques et la prédiction.
- Le clustering peut être considéré d'un point de vue commercial et appliqué aux opérations commerciales.
- Le cours couvre les bases du clustering et les mesures de similarité en tant que fondements de l'analyse de cluster.
- Le clustering est utile pour certains types de problèmes, que le cours aide à identifier.
Foire aux questions
Que couvre ce cours ?
Il présente le clustering et son espace de problèmes au sein de l'apprentissage automatique non supervisé, y compris la façon dont le clustering s'associe à d'autres étapes de modélisation telles que la réduction de dimension, l'ingénierie des caractéristiques et la prédiction, et comment considérer le clustering d'un point de vue commercial.
Quelles compétences vais-je acquérir grâce à ce cours ?
Vous développerez des compétences en analyse de cluster, classification de données, clustering hiérarchique, clustering K-Means, clustering spectral et apprentissage non supervisé.
Quels sujets sont enseignés dans les leçons ?
Les leçons couvrent l'Apprentissage automatique non supervisé, les Bases du clustering, les Mesures de similarité, le Clustering et la réduction de dimension, le Clustering et l'ingénierie des caractéristiques, le Clustering et la prédiction, et l'Utilisation de clusters de données.
Comment ce cours relie-t-il le clustering au commerce ?
Il enseigne comment considérer le clustering d'un point de vue commercial, pour quels types de problèmes il est utile et comment appliquer le clustering aux domaines des opérations commerciales.
