中级
提供者 : Briana Brownell
7 课时 · 36m
语言：阿拉伯语, 德语, 英语, 西班牙语, 法语, 葡萄牙语, 乌尔都语, 简体中文
课程描述
这些课程将介绍无监督机器学习中的聚类及其问题空间。您将了解聚类与其他建模步骤（如降维、特征工程和预测）的配对。您还将学习如何从业务角度考虑聚类，以及它对哪些类型的问题有用。
您将学到的内容
- 认识聚类如何与机器学习的其他领域相结合
- 应用建模步骤，包括降维和预测
- 将聚类应用于业务运营领域
- 比较K-Means、层次聚类和谱聚类等聚类技术
- 使用相似性度量分析数据簇
- 将聚类与特征工程相结合
关键要点
- 聚类是无监督机器学习问题空间的组成部分。
- 聚类可以与其他建模步骤相结合，例如降维、特征工程和预测。
- 聚类可以从业务角度加以考量，并应用于业务运营。
- 本课程涵盖聚类基础知识和相似性度量，作为聚类分析的基础。
- 聚类适用于某些特定类型的问题，本课程有助于识别这些问题。
常见问题
本课程涵盖哪些内容？
本课程介绍聚类及其在无监督机器学习中的问题空间，包括聚类如何与降维、特征工程和预测等其他建模步骤相结合，以及如何从业务角度考量聚类。
通过本课程我能获得哪些技能？
您将培养聚类分析、数据分类、层次聚类、K-Means聚类、谱聚类和无监督学习等方面的技能。
课程中涉及哪些主题？
课程涵盖无监督机器学习、聚类基础、相似性度量、聚类与降维、聚类与特征工程、聚类与预测，以及数据簇的使用。
本课程如何将聚类与业务相结合？
本课程讲授如何从业务角度考量聚类、聚类适用于哪些类型的问题，以及如何将聚类应用于业务运营领域。
