After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
课程介绍
您可能用过 Google News，它会自动将相似的新闻文章归为同一主题。是否想过，背后是如何将这些文章分组的？本课程将通过使用 Python 中的 SciPy 库，引导您认识无监督学习中的聚类方法。课程涵盖数据预处理，以及层次聚类与 k-means 聚类的应用。整个课程中，您将以一款流行足球电子游戏 FIFA 18 的球员统计为例进行探索。完成课程后，您将能够快速在数据上应用多种聚类算法、可视化形成的聚类，并分析结果。
先修要求
课程大纲
课程大纲
1
聚类入门
在能够对新闻文章进行分类之前，您需要先了解聚类的基础。本章将带您认识一类称为无监督学习的机器学习算法，并介绍其中广泛使用的聚类方法。您将了解两种常见的聚类技术：层次聚类和 k-means 聚类。最后，本章将以开始对数据进行聚类前所需的基本预处理步骤作为收尾。
2
层次聚类
本章聚焦一种常用的聚类算法——层次聚类——及其在 SciPy 中的实现。除讲解执行层次聚类的流程外，还将帮助您回答一个关键问题：数据中到底有多少个聚类？本章最后讨论层次聚类的局限性，并给出使用层次聚类时的注意事项。
3
K-Means 聚类
本章介绍另一种聚类算法——k-means 聚类——及其在 SciPy 中的实现。k-means 聚类克服了上一章提到的层次聚类的最大缺点。由于树状图是层次聚类特有的，本章将讨论在运行 k-means 聚类之前用于确定聚类数量的一种方法。最后，本章还将讨论 k-means 聚类的局限性，以及使用该算法时的相关考虑。
4
真实场景中的聚类
现在您已经熟悉两种最常见的聚类技术，本章将帮助您把所学应用到真实问题中。首先，我们将讲解在图像中寻找主色的过程，随后回到导言中的问题——对新闻文章进行聚类。最后，本章将讨论包含多变量的数据聚类，这会使完整可视化所有数据变得更加困难。
Python 中的聚类分析
课程完成
