Dowiedz się, jak przeprowadzać analizę skupień

Analiza skupień to potężny zestaw narzędzi w warsztacie data science. Służy do znajdowania grup obserwacji (klastrów), które mają podobne cechy. Te podobieństwa mogą wspierać wszelkiego rodzaju decyzje biznesowe; na przykład w marketingu wykorzystuje się je do identyfikowania odrębnych grup klientów, do których można dopasować reklamy.

Poznaj techniki klasteryzacji hierarchicznej i K-means

W tym kursie poznasz dwie powszechnie stosowane metody klasteryzacji — klasteryzację hierarchiczną i klasteryzację k-średnich. Nie tylko nauczysz się, jak korzystać z tych metod, ale także zbudujesz solidną intuicję, jak działają i jak interpretować ich wyniki. Rozwiniesz tę intuicję, analizując trzy różne zbiory danych: pozycje piłkarzy, dane o wydatkach klientów hurtowych oraz longitudinalne dane o wynagrodzeniach zawodowych.

Doskonal swoje umiejętności dzięki praktycznemu studium przypadku

Ukończysz kurs, wykorzystując nowe umiejętności w studium przypadku opartym na średnich wynagrodzeniach i tym, jak zmieniały się one z biegiem czasu. To połączy techniki klasteryzacji hierarchicznej, takie jak drzewa zawodów, przygotowanie do eksploracji i tworzenie wykresów klastrów zawodowych, z technikami k-means, w tym analizą łokcia i średnią szerokością sylwetki.

Kursy DataCamp składają się z połączenia filmów, artykułów i ćwiczeń praktycznych, dzięki czemu masz okazję sprawdzić i utrwalić nowo zdobyte umiejętności, abyś czuł(a) się pewnie, stosując je poza środowiskiem kursowym.

klaster	Mleko	Artykuły spożywcze	Mrożonki	rozmiar klastra
1	16950	12891	991	5
2	2512	5228	1795	29
3	10452	22550	1354	5
4	1249	3916	10888	6

Interpretacja klastrów klientów hurtowych

Analiza skupień w R

Interaktywne ćwiczenie praktyczne