K-Means Clustering 101: World Happiness Report

Offert par
Coursera Project Network
Dans ce projet guidé, vous :

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
BeginnerDébutant
CloudAucun téléchargement requis
VideoVidéo en écran partagé
Comment DotsAnglais
LaptopOrdinateur de bureau uniquement

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).

Les compétences que vous développerez

SegmentationvisualizationMachine LearningPython ProgrammingArtificial Intelligence(AI)

Apprendrez étape par étape

Votre enseignant(e) vous guidera étape par étape, grâce à une vidéo en écran partagé sur votre espace de travail :

  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

Comment fonctionnent les projets guidés

Votre espace de travail est un bureau cloud situé dans votre navigateur, aucun téléchargement n'est requis.

Votre enseignant(e) vous guide étape par étape dans une vidéo en écran partagé

Foire Aux Questions

Foire Aux Questions

D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.