1 小时 20 分钟
K‑均值聚类（K‑means，K‑means Clustering）
本课程经原理推导与sklearn实践，讲解K-means及kmeans++优化，解决初始质心敏感与K值选择，帮助掌握聚类建模方法。
手机阅读
手机阅读
学会从数据找规律，让判断有依据而不是凭感觉。
1 小时 20 分钟
本课程经原理推导与sklearn实践，讲解K-means及kmeans++优化，解决初始质心敏感与K值选择，帮助掌握聚类建模方法。
49 分钟
本课程通过高维数据案例讲解PCA方差最大化与协方差矩阵特征分解，解决维度灾难与噪声干扰，帮助学习者完成降维与可视化。
52 分钟
本课程通过距离矩阵演算讲解DBSCAN核心点边界点与簇扩展，及eps/min_samples设定，帮助学习者应对不规则数据聚类。
44 分钟
本课程以抛硬币估计概率为例讲解EM算法E步估后验、M步更新参数直至收敛的实现，解决隐变量参数估计问题，帮助提升统计建模思维。
推荐 1 小时 50 分钟
本课程通过薪资分布案例与EM迭代计算，讲解高斯混合模型概率聚类原理，帮助学习者掌握分布建模方法，提升无监督学习与模型评估能力。
冀公网安备13050302001966号