Prädiktive Analytik: Anwendung von Clustering auf Bodeneigenschaften und -bedingungen
Predictive Analytics 2022
| Fortgeschritten
- 12 Videos | 1h 22m 14s
- Umfasst Bewertung
- Verdient ein Abzeichen
Die Frage, welche Pflanzen pro Vegetationsperiode auf einem bestimmten Stück Land angebaut werden sollten, ist äußerst wichtig. Eine wichtige Frage in diesem Zusammenhang ist, welche Pflanzenart am besten zu den Boden- und Klimabedingungen passt. Modelle des maschinellen Lernens (ML) wie das Clustering können helfen, diese Frage anhand von Daten anderer Farmen zu beantworten. In diesem Kurs arbeiten Sie mit Bodendaten, die aus Klimabedingungen im Feld bestehen. Sie lernen als Nächstes, wie Sie Diagramme verwenden können, um univariate Informationen und die Beziehungen zwischen Attributen anzuzeigen. Darüber hinaus erfahren Sie, wie Sie k-means und agglomeratives Clustering mit Daten durchführen können. Nach dem Kurs sind Sie in der Lage, Clustering auf Daten anzuwenden, Zusammenhänge zwischen von ML-Algorithmen identifizierten Clustern und den darin angebauten Kulturen zu erkennen und zwischen k-means und agglomerativem Clustering zu unterscheiden.
LERNINHALTE
-
Die wichtigsten in diesem kurs behandelten konzepte entdecken
Daten in einem datenrahmen über kulturpflanzen und die klimazonen, in denen sie angebaut werden, untersuchen
Visualisierung von daten über die klimatischen bedingungen einer kulturpflanze
Beziehungen zwischen klimatischen bedingungen betrachten
Daten über kulturpflanzen für das clustering umwandeln
Clustering für klimadaten einrichten -
Das clustering von klimadaten optimieren
K-means-clustering für klimadaten durchführen
Einrichtung eines clustermodells für klimatische bedingungen
Feinabstimmung des clustering von klimadaten
Clustering von kulturdaten mithilfe von agglomerativem clustering
Zusammenfassen der wichtigsten, in diesem kurs behandelten konzepte
IN DIESEM KURS
-
1m 45s
-
7m 24s
-
3. Visualisierung von Daten über Bedingungen8m 24s
-
4. Beziehungen zwischen Bedingungen betrachten7m 20s
-
5. Daten für das Clustering umwandeln7m 27s
-
6. Clustering für Daten einrichten6m 24s
-
7. Daten-Clustering optimieren8m 51s
-
8. K-Means-Clustering für Daten durchführen10m 2s
-
9. Einrichten eines Bedingungs-Clustering-Modells6m 54s
-
10. Feinabstimmung des Clustering von Daten6m 29s
-
11. Clustering von Daten mit agglomerativem Clustering8m 51s
-
12. Kurszusammenfassung2m 23s
VERDIENEN SIE SICH MIT DEM ABSCHLUSS DIESER KURSE EIN DIGITALES ABZEICHEN DIESER KURS
Skillsoft gibt Ihnen die Möglichkeit, nach erfolgreichem Abschluss einiger unserer Kurse ein digitales Abzeichen zu gewinnen, das Sie in allen sozialen Medien oder auf beliebigen Unternehmensplattformen integrieren können.
Digitale Abzeichen dürfen Sie für immer behalten.
