Felügyelet nélküli tanulás és a továbblépés

Főkomponens elemzés, a tömörítés művészete

A főkomponens elemzés sok összefüggő változóból kevés, egymástól független irányt készít, amelyek az adat ingadozásának legnagyobb részét megőrzik. Ötven mutatóból így lesz két-három tengely, amelyen az ügyfelek vagy a termékek elhelyezhetők és ábrázolhatók. A tengelyek értelmezése kézműves munka, a súlyaikból olvasható ki, mit ragadnak meg, mondjuk az árérzékenységet vagy az aktivitást. A módszer emellett előkészítésnek is kiváló, a felügyelt modellek gyakran a főkomponenseken tanulnak stabilabban.

Klaszterezés, csoportok címke nélkül

A k közepű klaszterezés előre megadott számú csoportba sorolja a megfigyeléseket úgy, hogy a csoporton belüli hasonlóság a legnagyobb legyen. A hierarchikus klaszterezés nem kér előre csoportszámot, hanem egy fát épít, amelyet tetszőleges szinten elvághatsz. Mindkettőnél a becsületesség a kulcs. A klaszterezés mindig talál csoportokat, akkor is, ha nincsenek. Az eredményt ezért mindig szembesíteni kell a szakmai tudással, és több beállítással is le kell futtatni, mielőtt szegmensként a stratégiába kerülne.

A záróvizsga előtt

Ha a nyolc leckét végigjártad, a kezedben van a statisztikai tanulás térképe. Nem minden módszer minden részlete, hanem az, ami ennél többet ér, a kérdések sorrendje. Mit akarok, jósolni vagy érteni. Miből tudom meg, hogy a modellem jó. Egyszerűbbel is elérném-e ugyanezt. A záróteszt ezt a gondolkodást kérdezi vissza tíz kérdésben. A mélyebb matematikai út pedig nyitva áll, a szerzők haladó könyve, az Elements of Statistical Learning szintén ingyenesen letölthető.

Források és további olvasnivaló

ISLP 12. fejezet, Unsupervised Learning, a hozzá tartozó Python laborral. A teljes könyv és a haladó folytatás, a The Elements of Statistical Learning, a statlearning.com és a szerzők oldalán ingyenesen elérhető.