К содержимому
learnspaceYOUR NEXT CHAPTER
ПРОСТРАНСТВО ОБУЧЕНИЯ
ГлавнаяКаталог курсовМоё обучениеCoursera

Знания без границ

Учитесь у лучших университетов и компаний мира.

Открыть Coursera
Интеграция
Пространство университета
Моё пространствоСтраница курса
↵
ЯЛичный кабинетСтудент
© 2026 LearnSpaceКаждый день — возможность узнать больше.Помощь
Cluster Analysis in Data Mining · LearnSpace
Назад в каталог
courseraАнализ данных

Cluster Analysis in Data Mining

Курс от University of Illinois Urbana-Champaign
Уровень не указан≈ 16.5 чАнглийский
О курсеНавыкиПрограммаПреподаватели

О курсе

Discover the basic concepts of cluster analysis, and then study a set of typical clustering methodologies, algorithms, and applications. This includes partitioning methods such as k-means, hierarchical methods such as BIRCH, and density-based methods such as DBSCAN/OPTICS. Moreover, learn methods for clustering validation and evaluation of clustering quality. Finally, see examples of cluster analysis in applications.

Навыки, которые вы освоите

Data MiningUnsupervised LearningAlgorithmsMachine Learning AlgorithmsModel EvaluationMachine Learning MethodsExploratory Data AnalysisTaxonomyStatistical MethodsApplied Machine LearningSpatial AnalysisVerification And Validation

Программа курса

6 модулей · 72 учебных материалов

01Course Orientation7 материалов

About the Course

Course IntroductionВидеоSyllabusЧтениеAbout the Discussion ForumsЧтениеGetting to Know Your ClassmatesОбсуждение

Учитесь у экспертов

Jiawei Han

Abel Bliss Professor

Cluster Analysis in Data Mining
В каталоге вашей программы

Инвестируйте в себя

Новые знания — в удобное для вас время.

Начать на Coursera

Обучение откроется на Coursera
в новой вкладке

Обучение на Coursera

≈ 16.5 ч

6 модулей

Язык: Английский

Субтитры: Арабский, Французский, Бенгальский, Украинский, Китайский (Китай), Греческий, Итальянский, Бразильский португальский, Вьетнамский, Нидерландский, Корейский, Немецкий, Пушту, Урду, Русский, Тайский, Индонезийский, Шведский, Турецкий, Азербайджанский, Испанский, Дари, Хинди, Японский, Казахский, Венгерский, Польский

Часть программы вашего университета
Social MediaЧтение
Orientation QuizЗадание
Welcome! Please tell us about yourself.PLUGIN
02Module 117 материалов

Lesson 1: Cluster Analysis: An Introduction

Lesson 1 OverviewЧтение1.1. What is Cluster AnalysisВидео1.2. Applications of Cluster AnalysisВидео1.3 Requirements and ChallengesВидео1.4 A Multi-Dimensional CategorizationВидео1.5 An Overview of Typical Clustering MethodologiesВидео1.6 An Overview of Clustering Different Types of DataВидео1.7 An Overview of User Insights and ClusteringВидео

Lesson 1 Graded Activities

Lesson 1 QuizЗадание

Lesson 2: Similarity Measures for Cluster Analysis

Lesson 2 OverviewЧтение2.1 Basic Concepts: Measuring Similarity between ObjectsВидео2.2 Distance on Numeric Data Minkowski DistanceВидео2.3 Proximity Measure for Symetric vs Asymmetric Binary VariablesВидео2.4 Distance between Categorical Attributes Ordinal Attributes and Mixed TypesВидео2.5 Proximity Measure between Two Vectors Cosine SimilarityВидео

Week 1 Graded Activities

Lesson 2 QuizЗадание
03Week 220 материалов

Lesson 3: Partitioning-Based Clustering Methods

Lesson 3 OverviewЧтение3.1 Partitioning-Based Clustering MethodsВидео3.2 K-Means Clustering MethodВидео3.3 Initialization of K-Means ClusteringВидео3.4 The K-Medoids Clustering MethodВидео3.5 The K-Medians and K-Modes Clustering MethodsВидео3.6 Kernel K-Means ClusteringВидео

Lesson 3 Graded Activities

Lesson 3 QuizЗаданиеImplementing the K-means Clustering AlgorithmПрограммирование

Lesson 4: Hierarchical Clustering Methods

Lesson 4 Part 1 OverviewЧтение4.1 Hierarchical Clustering MethodsВидео4.2 Agglomerative Clustering AlgorithmsВидео4.3 Divisive Clustering AlgorithmsВидео4.4 Extensions to Hierarchical ClusteringВидео4.5 BIRCH: A Micro-Clustering-Based ApproachВидео

ClusterEnG

ClusterEnG IntroductionЧтениеClusterEnG OverviewВидеоClusterEnG: K-Means and K-MedoidsВидеоClusterEnG Application: AGNESВидеоClusterEnG Application: DBSCANВидео
04Week 313 материалов

Lesson 4: Hierarchical Clustering Methods (continued)

Lesson 4 Part 2 OverviewЧтение4.6 CURE: Clustering Using Well-Scattered RepresentativesВидео4.7 CHAMELEON: Graph Partitioning on the KNN Graph of the DataВидео4.8 Probabilistic Hierarchical ClusteringВидео

Lesson 4 Graded Activities

Lesson 4 QuizЗадание

Lesson 5: Density-Based and Grid-Based Clustering Methods

Lesson 5 OverviewЧтение5.1 Density-Based and Grid-Based Clustering MethodsВидео5.2 DBSCAN: A Density-Based Clustering AlgorithmВидео5.3 OPTICS: Ordering Points To Identify Clustering StructureВидео5.4 Grid-Based Clustering MethodsВидео5.5 STING: A Statistical Information Grid ApproachВидео5.6 CLIQUE: Grid-Based Subspace ClusteringВидео

Lesson 5 Graded Activities

Lesson 5 QuizЗадание
05Week 413 материалов

Lesson 6: Methods for Clustering Validation

Lesson 6 OverviewЧтение6.1 Methods for Clustering ValidationВидео6.2 Clustering Evaluation Measuring Clustering QualityВидео6.3 Constraint-Based ClusteringВидео6.4 External Measures 1: Matching-Based MeasuresВидео6.5 External Measure 2: Entropy-Based MeasuresВидео6.6 External Measure 3: Pairwise MeasuresВидео6.7 Internal Measures for Clustering ValidationВидео6.8 Relative MeasuresВидео6.9 Cluster StabilityВидео6.10 Clustering TendencyВидео

Week 4 Graded Activities

Lesson 6 QuizЗаданиеImplementing Clustering Validation MeasuresПрограммирование
06Course Conclusion2 материалов

Wrapping Up the Course

Final ReflectionsОбсуждениеHow was the course?PLUGIN
2.6 Correlation Measures between Two variables Covariance and Correlation CoefficientВидео