Curso de Clustering: extraindo padrões de dados

Faça esse curso de Data Science e:

• Descubra como validar e interpretar resultados com dados sem rótulos;
• Aprenda técnicas que irão te ajudar a interpretar informações de clusters;
• Extraia informações sobre o comportamento de clientes utilizando dados de uma empresa de cartão de crédito;
• Utilize o scikit-learn para gerar clusters e calcular diferentes métricas de validação;
• Entenda a matemática por trás das métricas de validação: silhouette, davies bouldin e calinski harabasz.

Conteúdo Detalhado

1. Entendendo a dificuldade do aprendizado não-supervisionado

   • Revisando a classificação
   • Problema da falta de rótulos

2. Obtendo os clusters

   • Obtendo a base de dados
   • Organizando os dados
   • Executando o clustering

3. Entendendo os critérios e métricas de validação

   • Critérios de validação
   • Matemática do Silhouette
   • Calculando o Silhouette

4. Entendendo e Calculando o Índice Davies-Bouldin

   • Matemática do Davies-Bouldin
   • Calculando o Davies-Bouldin

5. Entendendo e calculando o Índice Calinski Harabasz

   • Matemática do Calinski
   • Calculando o Calinski

6. Validando os clusters

   • A validação relativa
   • A estrutura dos clusters
   • A estabilidade dos clusters

7. Visualizando os clusters

   • Gerando gráficos
   • Interpretação visual

8. Entendendo os valores dos atributos no cluster

   • Descrevendo os atributos
   • Analisando os valores
   • Selecionando os atributos
   • Filtrando os valores

9. Interpretando os clusters

   • Entendendo os padrões de cada cluster
   • Utilizando os clusters