K-Means Clustering 101: World Happiness Report

oferecido por
Coursera Project Network
Neste projeto guiado, você irá:

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
BeginnerBásico
CloudSem necessidade de download
VideoVídeo em tela dividida
Comment DotsInglês
LaptopApenas em 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).

Habilidades que você desenvolverá

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

Aprender passo a passo

Em um vídeo reproduzido em uma tela dividida com a área de trabalho, seu instrutor o orientará sobre esses passos:

  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

Como funcionam os projetos guiados

Sua área de trabalho é um espaço em nuvem, acessado diretamente do navegador, sem necessidade de nenhum download

Em um vídeo de tela dividida, seu instrutor te orientará passo a passo

Perguntas Frequentes – FAQ

Perguntas Frequentes – FAQ

Mais dúvidas? Visite o Central de Ajuda ao estudante.