138分钟
机器学习应用：聚类算法与案例解析
聚类算法是对数据进行汇聚及分类的过程，当我们在处理高维度数据集时，每一个数据都包含了大量信息，此时应用聚类算法进行数据分类，将大大缩短数据处理时间，提升分类效率。 本门课程通俗的讲解了机器学习领域中的…
聚类算法是对数据进行汇聚及分类的过程，当我们在处理高维度数据集时，每一个数据都包含了大量信息，此时应用聚类算法进行数据分类，将大大缩短数据处理时间，提升分类效率。
本门课程通俗的讲解了机器学习领域中的无监督算法，同时结合可视化demo分析聚类算法的典型应用场景，并基于实际例子阐述无监督算法的作用与效果。
基于本门课程，我们将帮助学员更加深入的了解聚类算法中的K-means算法与DBSCAN算法，并通过案例实战详解讲解聚类算法的常用操作，帮助学员进一步了解机器学习算法。
一、聚类算法——Kmeans
- 1.Kmeans算法概述
- 2.Kmeans算法工作流程
- 3.Kmeans迭代可视化展示
二、聚类算法——DBSCAN
- 1.DBSCAN聚类算法
- 2.DBSCAN工作流程
- 3.DBSCAN可视化展示
三、案例实战：聚类实践分析
- 1.Kmenas 算法常用操作
- 2.聚类结果与建模流程
- 3.不稳定结果与评估方法
- 4.如何找到合适的K值
- 5.轮廓系数的作用
- 6.Kmenas算法存在的问题
- 7.案例：图像分割
- 8.半监督学习
- 9.DBSCAN算法
学习测试
唐宇迪
同济大学硕士，华东理工大学博士