今回はざっくりとクラスター分析の各手法と必要な知識の整理を行います。

＜講義＞
1. クラスター分析とは
  クラスター分析のポイント
  サンプル間の距離測定方法
  距離と類似度の違い
2. 距離の指標
  標準化ユークリッド距離、マハラノビス距離
  マンハッタン距離、チェビシェフ距離、ミンコフスキー距離
3. 類似度の指標
  ベクトルの内積、コサイン類似度
  ピアソンの相関係数、 類似度から距離への変換
4. 階層クラスター分析とは
  デンドログラムの生成ステップ
5. クラスター間の距離測定方法
  鎖効果と拡散現象
  ウォード法、群平均法
  最短距離法、最長距離法
6. 階層クラスター分析の長所と短所
　距離測定方法の組み合わせによる結果の違い
7. 非階層クラスター分析とは
　k-meansのフロー、k-means法の初期値依存について
8. k-meansの派生手法
　x-means概要、k-means++概要
　Scikit-learnにおけるKMeansの関数
　ファジークラスタリング、cmeans

随時、pythonによるクラスター分析手法について解説します。

6/9(土)
受付：15:50〜16:00
講義：16:00-17:50
質疑応答：17:50〜18:00

・Python の使い方を一通り学習し終えた方
・マーケティングで利用される分析手法について勉強を始めたい方
・機械学習の主な手法について勉強したい方

パソコン持参必須
jupyter 環境を構築して来てください。

領収書の発行も可能ですのでご希望の方はその旨お申し付けいただければと思います。
（事務手数料として、追加500円を含んだ金額でのお支払いと発行とさせていただきます。）

・個別指導も承りますのでご希望者ご相談ください！
=> ご要望に合わせて最適な講師をマッチングさせていただきます！