curso de_
Clustering: K-Means, DBSCAN y Mean Shift
Es parte de los cursos de Machine Learning en Data Science.
Discusiones sobre este curso
Resumen del curso
- Conoce lo básico sobre análisis exploratorio
- Crea visualizaciones de datos utilizando la biblioteca Plotly
- Utiliza los métodos KMeans, DBSCAN y Mean Shift para agrupar datos sin clasificación
- Aprende a agrupar clientes
- Evalúa la calidad de una clusterización a través del cálculo del coeficiente de Silhouette
- Parametriza métodos de clusterización a través del máximo coeficiente de Silhouette
Público Objetivo
Profesionales del área de datos, o de cualquier otra área, interesados en conocer mejor diversos métodos para la clusterización.
Contenido relacionado
Cursos de Machine Learning en Data Science. Lea nuestros artículos de Data Science.
Última actualización
11/18/2022
¿Ya eres alumno?
10h
p/ conclusión
49
Actividades
190
Minutos de video
90
Alumnos en este curso
9.5
Nota del curso
Certificado de participación
Formación con este curso
Instructores
Contenido Detallado
1. Análisis exploratorio
- Importando los datos
- Analizando y transformando los datos
- Selección de atributos
- Normalización
2. Algoritmo KMeans
- Algoritmo KMeans
- Agrupando con KMeans
- Clusters en 2D
- Clusters en 3D
- Visualizando los centroides
3. Algoritmo DBSCAN
- Algoritmo DBSCAN
- Agrupando con DBSCAN
- Ajuste de hiperparámetros y visualización
4. Algoritmo MeanShift
- Algoritmo MeanShift
- Agrupando con MeanShift
- Visualización de clusters
5. Validación usando el coeficiente de Silhouette
- Métrica para validación
- Coeficiente de Silhouette
- Cálculo de Silhouette para KMeans
- Cálculo de Silhouette para DBSCAN
- Cálculo de Silhouette para MeanShift
- Mejores configuraciones para la clusterización
Acceso a todos los cursos
Estudiar las 24 horas, dónde y cuándo quieras
Nuevos cursos cada semana