Apprenez à réaliser une analyse par grappes

L'analyse par grappes constitue un outil puissant dans le domaine de la science des données. Il est utilisé pour identifier des groupes d'observations (clusters) qui partagent des caractéristiques similaires. Ces similitudes peuvent éclairer toutes sortes de décisions commerciales ; par exemple, en marketing, elles sont utilisées pour identifier des groupes distincts de clients auxquels des publicités peuvent être adaptées.

Découvrez les techniques de regroupement hiérarchique et par la méthode des k-moyennes

Dans ce cours, vous découvrirez deux méthodes de regroupement couramment utilisées : le regroupement hiérarchique et le regroupement par la méthode des k-moyennes. Vous n'apprendrez pas seulement à utiliser ces méthodes, vous développerez également une intuition solide quant à leur fonctionnement et à l'interprétation de leurs résultats. Vous développerez cette intuition en explorant trois ensembles de données différents : les positions des joueurs de football, les données sur les dépenses des clients grossistes et les données longitudinales sur les salaires professionnels.

Perfectionnez vos compétences grâce à une étude de cas pratique

Vous terminerez le cours en mettant en pratique vos nouvelles compétences dans le cadre d'une étude de cas portant sur les salaires moyens et leur évolution au fil du temps. Cela combinera des techniques de regroupement hiérarchique telles que les arbres professionnels, la préparation à l'exploration et la création de graphiques de grappes professionnelles, avec des techniques k-means, notamment l'analyse du coude et les largeurs moyennes de silhouette.

Les cours DataCamp comprennent une combinaison de vidéos, d'articles et d'exercices pratiques afin de vous permettre de tester et de consolider vos nouvelles compétences, de manière à ce que vous vous sentiez à l'aise pour les mettre en application en dehors du cadre du cours.

cluster	Milk	Grocery	Frozen	cluster size
1	16950	12891	991	5
2	2512	5228	1795	29
3	10452	22550	1354	5
4	1249	3916	10888	6

Interpréter les clusters de clients de gros

Analyse de clusters avec R

Exercice interactif pratique