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。
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