以下に、いくつかのデータセットとそれぞれの特徴量の例を示します。
スケーリングが不要なのはどの例でしょうか？
この演習はコースの一部です
理論を実践に変える、インタラクティブな演習のひとつをお試しください
クラスター分析は、互いに似た観測値のグループを見つけ、グループ間の違いを明確にする手法です。この類似性・相違性を数値で表したものが「距離」という指標です。この章では、連続変数とカテゴリ変数の両方について、観測値間の距離を計算する方法を学びます。また、特徴量のスケールが距離に与える影響についての理解も深めましょう。
現在の演習
この章では、第1章の最後の問いかけ、すなわち「計算した距離をもとに、データ内の似た観測値のグループ（クラスター）をどのように見つけるか」という問いに答えていきます。階層クラスタリングの基本原理であるリンケージ基準とデンドログラムについて学び、それらを使ってクラスターを構築する方法を習得します。さらに、卸売業者のデータを使って、顧客の支出パターンに基づいた市場セグメンテーションを実践します。
この章では、k-meansアルゴリズムの原理を理解し、最適なkの値が事前にわからない場合の選び方を学びます。また、第2章で扱った卸売データを別の視点から改めて分析します。
この章では、これまでに学んだスキルを活用して、職業別の平均賃金が時間とともにどのように変化してきたかを分析します。
