本系列影片以第一線分析人員的角度,篩選出最實用的分群演算法,並介紹其常見的職場分析應用
(若您認為分群只能將資料依照相似度分堆,那您太小看這個領域囉~)
PS: 影片製作真的很辛苦,您的訂閱將會是最好的支持 (YouTube搜尋: 容噗玩Data)
您的訂閱是我製作影片的動力訂閱點這裡~ 影片程式碼 # GMM、k-means++皆可 library(naniar) data(iris) any_na(i...
您的訂閱是我製作影片的動力訂閱點這裡~ 影片程式碼 ## 應用三: 相異點偵測 #### library(clustMixType) data(iris) i...
您的訂閱是我製作影片的動力訂閱點這裡~ 影片程式碼 ## 應用四: 建構特徵 #### # 用GMM,產出數值+類別型特徵 library(naniar)...
您的訂閱是我製作影片的動力訂閱點這裡~ 資料集下載處 影片程式碼 ## 應用五: 分群建模 #### library(dplyr) data <- re...
您的訂閱是我製作影片的動力訂閱點這裡~ 影片程式碼(延續昨天) #步驟一: na補值&相異點or離群值偵測 library(naniar)#前置1:...
您的訂閱是我製作影片的動力訂閱點這裡~ 影片程式碼(延續昨天) #步驟二: 資料分群,哪個演算法? data_num <- done[,c(6,13:2...
您的訂閱是我製作影片的動力訂閱點這裡~ 影片程式碼(延續昨天) #步驟三: 建模&診斷 #隨機抽樣 group_1$default.payment.n...
您的訂閱是我製作影片的動力訂閱點這裡~ 若內容有誤,還請留言指正,謝謝您的指教
您的訂閱是我製作影片的動力訂閱點這裡~ 若內容有誤,還請留言指正,謝謝您的指教
您的訂閱是我製作影片的動力訂閱點這裡~ 若內容有誤,還請留言指正,謝謝您的指教