课程介绍

360°解读机器学习经典算法——聚类算法，从基础算法到高阶应用全方位讲解，生动全彩，化繁为简，清晰直观解决实际问题，解析k-means（k-均值）基本算法并以全新视角解读其各种优化方式及谱聚类，DBSCAN ,SOM , AP聚类，视觉追踪等衍生算法，助力人工智能学习之路

课程目录

• 第一章 算法原理
• 1- 课题导入
• 2- 原理讲解
• 3- 不同数据集的kmeans聚类实践
• 4- 工业车辆聚类分析综合实践
• 第二章 效果衡量标准
• 1- SSE
• 2- 肘方法
• 3- SC系数
• 4- CH系数
• 5- 算法优缺点
• 6- 图片压缩实践
• 7- 总结及作业
• 第三章 算法优化
• 1-Canopy配合初始聚类
• 2-k-means++
• 3-二分kmeans
• 4- Kernel Kmeans
• 5- K-medoids
• 6- ISODATA
• 7- MiniBatchKmeans
• 8- 小结
• 第四章 算法进阶
• 1- DBSCAN
• 2- 层次聚类
• 3- MeanShift聚类
• 4- AP聚类
• 5- SOM聚类
• 6- 谱聚类
• 7- 小结
• 8- Kmeans与DBSCAN聚类比较实践
• 第五章 综合实践
• 1- 客户价值分析实践
• 2- 文本文档分析实践
• 3- 总结与回顾
• 4- 学习提升+资料推荐
• 5- 综合实践-客户价值分析作业