本课程是数据挖掘专项课程专项课程的一部分

4.5
星
393 个评分
•
62 条评论

Jiawei Han

38,838 人已注册

提供方

隶属于 Master in Computer Science 学位

了解更多

数据挖掘专项课程伊利诺伊大学香槟分校

课程信息

9,341 次近期查看

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.

可灵活调整截止日期

根据您的日程表重置截止日期。

可分享的证书

完成后获得证书

100% 在线

立即开始，按照自己的计划学习。

第 5 门课程（共 6 门）

数据挖掘专项课程

完成时间大约为17 小时

英语（English）

字幕：阿拉伯语（Arabic）, 法语（French）, （欧洲人讲的）葡萄牙语, 意大利语, 越南语, 韩语, 德语（German）, 俄语（Russian）, 英语（English）, 西班牙语（Spanish）

您将获得的技能

Cluster Analysis
Data Clustering Algorithms
K-Means Clustering
Hierarchical Clustering

可灵活调整截止日期

根据您的日程表重置截止日期。

可分享的证书

完成后获得证书

100% 在线

立即开始，按照自己的计划学习。

第 5 门课程（共 6 门）

数据挖掘专项课程

完成时间大约为17 小时

英语（English）

授课教师

授课教师评分

4.09/5 （23 个评分）

Jiawei Han

Abel Bliss Professor

Department of Computer Science

60,336 个学生

4 门课程

提供方

伊利诺伊大学香槟分校

The University of Illinois at Urbana-Champaign is a world leader in research, teaching and public engagement, distinguished by the breadth of its programs, broad academic excellence, and internationally renowned faculty and alumni. Illinois serves the world by creating knowledge, preparing students for lives of impact, and finding solutions to critical societal needs.

立即开始攻读硕士学位

此课程隶属于伊利诺伊大学香槟分校提供的 100% 在线 Master in Computer Science。如果您被录取参加全部课程，您的课程将计入您的学位学习进程。

了解更多

授课大纲 - 您将从这门课程中学到什么

内容评分89%（1,294 个评分）

周

周 1

完成时间为 2 小时

Course Orientation

You will become familiar with the course, your classmates, and our learning environment. The orientation will also help you obtain the technical skills required for the course.

完成时间为 2 小时

1 个视频（总计 7 分钟）, 3 个阅读材料, 1 个测验

完成时间为 2 小时

Module 1

完成时间为 2 小时

13 个视频（总计 65 分钟）, 2 个阅读材料, 2 个测验

13 个视频

1.1. What is Cluster Analysis2分钟

1.2. Applications of Cluster Analysis2分钟

1.3 Requirements and Challenges5分钟

1.4 A Multi-Dimensional Categorization2分钟

1.5 An Overview of Typical Clustering Methodologies6分钟

1.6 An Overview of Clustering Different Types of Data6分钟

1.7 An Overview of User Insights and Clustering3分钟

2.1 Basic Concepts: Measuring Similarity between Objects3分钟

2.2 Distance on Numeric Data Minkowski Distance7分钟

2.3 Proximity Measure for Symetric vs Asymmetric Binary Variables4分钟

2.4 Distance between Categorical Attributes Ordinal Attributes and Mixed Types4分钟

2.5 Proximity Measure between Two Vectors Cosine Similarity2分钟

2.6 Correlation Measures between Two variables Covariance and Correlation Coefficient13分钟

2 个阅读材料

Lesson 1 Overview10分钟

Lesson 2 Overview10分钟

2 个练习

Lesson 1 Quiz30分钟

Lesson 2 Quiz30分钟

周

周 2

完成时间为 5 小时

Week 2

完成时间为 5 小时

15 个视频（总计 78 分钟）, 3 个阅读材料, 2 个测验

15 个视频

3.1 Partitioning-Based Clustering Methods3分钟

3.2 K-Means Clustering Method9分钟

3.3 Initialization of K-Means Clustering4分钟

3.4 The K-Medoids Clustering Method6分钟

3.5 The K-Medians and K-Modes Clustering Methods6分钟

3.6 Kernel K-Means Clustering8分钟

4.1 Hierarchical Clustering Methods1分钟

4.2 Agglomerative Clustering Algorithms8分钟

4.3 Divisive Clustering Algorithms3分钟

4.4 Extensions to Hierarchical Clustering3分钟

4.5 BIRCH: A Micro-Clustering-Based Approach7分钟

ClusterEnG Overview5分钟

ClusterEnG: K-Means and K-Medoids3分钟

ClusterEnG Application: AGNES4分钟

ClusterEnG Application: DBSCAN2分钟

3 个阅读材料

Lesson 3 Overview10分钟

Lesson 4 Part 1 Overview10分钟

ClusterEnG Introduction10分钟

1 个练习

Lesson 3 Quiz30分钟

周

周 3

完成时间为 2 小时

Week 3

完成时间为 2 小时

9 个视频（总计 53 分钟）, 2 个阅读材料, 2 个测验

9 个视频

4.6 CURE: Clustering Using Well-Scattered Representatives4分钟

4.7 CHAMELEON: Graph Partitioning on the KNN Graph of the Data8分钟

4.8 Probabilistic Hierarchical Clustering7分钟

5.1 Density-Based and Grid-Based Clustering Methods1分钟

5.2 DBSCAN: A Density-Based Clustering Algorithm8分钟

5.3 OPTICS: Ordering Points To Identify Clustering Structure9分钟

5.4 Grid-Based Clustering Methods3分钟

5.5 STING: A Statistical Information Grid Approach3分钟

5.6 CLIQUE: Grid-Based Subspace Clustering7分钟

2 个阅读材料

Lesson 4 Part 2 Overview10分钟

Lesson 5 Overview10分钟

2 个练习

Lesson 4 Quiz30分钟

Lesson 5 Quiz30分钟

周

周 4

完成时间为 5 小时

Week 4

完成时间为 5 小时

10 个视频（总计 57 分钟）, 1 个阅读材料, 2 个测验

10 个视频

6.1 Methods for Clustering Validation1分钟

6.2 Clustering Evaluation Measuring Clustering Quality2分钟

6.3 Constraint-Based Clustering4分钟

6.4 External Measures 1: Matching-Based Measures10分钟

6.5 External Measure 2: Entropy-Based Measures7分钟

6.6 External Measure 3: Pairwise Measures6分钟

6.7 Internal Measures for Clustering Validation7分钟

6.8 Relative Measures5分钟

6.9 Cluster Stability6分钟

6.10 Clustering Tendency5分钟

1 个阅读材料

Lesson 6 Overview10分钟

1 个练习

Lesson 6 Quiz30分钟

完成时间为 25 分钟

Course Conclusion

In the course conclusion, feel free to share any thoughts you have on this course experience.

完成时间为 25 分钟

审阅

4.5

62 条评论

5 stars
66.58%
4 stars
23.29%
3 stars
5.56%
2 stars
2.02%
1 star
2.53%

来自数据挖掘中的聚类分析的热门评论

由 TK 提供Oct 9, 2017

Very intense and required complex thinking and programming skill

由 ES 提供Dec 17, 2018

This was my favorite course in the whole specialization. Everything is explained very concisely and clearly making the subject matter very easy to understand.

由 PR 提供Jul 27, 2020

Covers great deal of topics and various aspects of clustering

由 BK 提供Apr 3, 2020

it was a really good experience. this course has given me good exposure to data mining

查看所有评论

关于数据挖掘专项课程

The Data Mining Specialization teaches data mining techniques for both structured data which conform to a clearly defined schema, and unstructured data which exist in the form of natural language text. Specific course topics include pattern discovery, clustering, text retrieval, text mining and analytics, and data visualization. The Capstone project task is to solve real-world data mining challenges using a restaurant review data set from Yelp.

常见问题

我什么时候能够访问课程视频和作业？
讲座和作业的访问权限取决于您的注册类型。如果您以旁听模式参加课程，则可以免费查看大多数课程资料。要访问评分作业并获得证书，您需要在旁听期间或之后购买证书体验。如果看不到旁听选项：
课程可能不提供旁听选项。您可以尝试免费试用，也可以申请助学金。
课程可能会改为提供'完整课程，没有证书'。通过此选项，您可以查看所有课程材料、提交所要求的作业，以及获得最终成绩。这也意味着您将无法购买证书体验。
我订阅此专项课程后会得到什么？
您注册课程后，将有权访问专项课程中的所有课程，并且会在完成课程后获得证书。您的电子课程证书将添加到您的成就页中，您可以通过该页打印您的课程证书或将其添加到您的领英档案中。如果您只想阅读和查看课程内容，可以免费旁听课程。
有助学金吗？
是的。如果您负担不起学习计划的注册费，则可以在选择学习计划时申请助学金或奖学金。如果您选择的学习计划提供助学金或奖学金，则您将在描述页面上看到一个申请链接。

还有其他问题吗？请访问学生帮助中心。

数据挖掘中的聚类分析

课程信息

您将获得的技能