K-Means Clustering 101: World Happiness Report

von
Coursera Project Network
In diesem angeleitetes Projekt werden Sie:

Understand how to leverage the power of machine learning to perform unsupervised segmentation

Learn how to use Plotly to visualize geographical data

Learn how to obtain the optimal number of clusters using the elbow method

Clock1.5 hours
BeginnerAnfänger
CloudKein Download erforderlich
VideoVideo auf geteiltem Bildschirm
Comment DotsEnglisch
LaptopNur Desktop

In this case study, we will train an unsupervised machine learning algorithm to cluster countries based on features such as economic production, social support, life expectancy, freedom, absence of corruption, and generosity. The World Happiness Report determines the state of global happiness. The happiness scores and rankings data has been collected by asking individuals to rank their life from 0 (worst possible life) to 10 (best possible life).

Kompetenzen, die Sie erwerben werden

  • Segmentation
  • visualization
  • Machine Learning
  • Python Programming
  • Artificial Intelligence(AI)

Schritt für Schritt lernen

In einem Video, das auf einer Hälfte Ihres Arbeitsbereichs abgespielt wird, führt Sie Ihr Dozent durch diese Schritte:

  1. Understand the problem statement and business case

  2. Import datasets and libraries

  3. Perform exploratory data analysis

  4. Perform data visualization - part 1

  5. Perform data visualization - part 1

  6. Prepare the data to feed the clustering model

  7. Understand the intuition behind k-means clustering algorithm

  8. Find the optimal number of clusters

  9. Apply k-means using scikit-learn to perform segmentation

  10. Visualize the clusters

Ablauf angeleiteter Projekte

Ihr Arbeitsbereich ist ein Cloud-Desktop direkt in Ihrem Browser, kein Download erforderlich

Ihr Dozent leitet Sie in einem Video mit geteiltem Bildschirm Schritt für Schritt an.

Häufig gestellte Fragen

Häufig gestellte Fragen

Haben Sie weitere Fragen? Besuchen Sie das Learner Help Center.