À propos de ce cours : 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.
Créé par : University of Illinois at Urbana-Champaign
Enseigné par : Jiawei Han, Abel Bliss Professor
Department of Computer Science
| Informations de base | Cours 5 de 6 dans Data Mining Specialization |
| Langue | English |
| Comment réussir | Réussissez tous les devoirs notés pour terminer le cours. |
| Notes des utilisateurs |
Programme de cours
SEMAINE 1
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.
1 vidéo, 3 lectures, 1 quiz pour s'exercer
- Leyendo: Syllabus
- Leyendo: About the Discussion Forums
- Cuadro de aviso de la discusión: Getting to Know Your Classmates
- Leyendo: Social Media
- Cuestionario de práctica: Orientation Quiz
Module 1
13 vidéos, 2 lectures
- Leyendo: Lesson 1 Overview
- Vidéo: 1.2. Applications of Cluster Analysis
- Vidéo: 1.3 Requirements and Challenges
- Vidéo: 1.4 A Multi-Dimensional Categorization
- Vidéo: 1.5 An Overview of Typical Clustering Methodologies
- Vidéo: 1.6 An Overview of Clustering Different Types of Data
- Vidéo: 1.7 An Overview of User Insights and Clustering
- Leyendo: Lesson 2 Overview
- Vidéo: 2.1 Basic Concepts: Measuring Similarity between Objects
- Vidéo: 2.2 Distance on Numeric Data Minkowski Distance
- Vidéo: 2.3 Proximity Measure for Symetric vs Asymmetric Binary Variables
- Vidéo: 2.4 Distance between Categorical Attributes Ordinal Attributes and Mixed Types
- Vidéo: 2.5 Proximity Measure between Two Vectors Cosine Similarity
- Vidéo: 2.6 Correlation Measures between Two variables Covariance and Correlation Coefficient
Noté: Lesson 1 Quiz
Noté: Lesson 2 Quiz
SEMAINE 2
Week 2
15 vidéos, 3 lectures
- Leyendo: Lesson 3 Overview
- Vidéo: 3.2 K-Means Clustering Method
- Vidéo: 3.3 Initialization of K-Means Clustering
- Vidéo: 3.4 The K-Medoids Clustering Method
- Vidéo: 3.5 The K-Medians and K-Modes Clustering Methods
- Vidéo: 3.6 Kernel K-Means Clustering
- Leyendo: Lesson 4 Part 1 Overview
- Vidéo: 4.1 Hierarchical Clustering Methods
- Vidéo: 4.2 Agglomerative Clustering Algorithms
- Vidéo: 4.3 Divisive Clustering Algorithms
- Vidéo: 4.4 Extensions to Hierarchical Clustering
- Vidéo: 4.5 BIRCH: A Micro-Clustering-Based Approach
- Leyendo: ClusterEnG Introduction
- Vidéo: ClusterEnG Overview
- Vidéo: ClusterEnG: K-Means and K-Medoids
- Vidéo: ClusterEnG Application: AGNES
- Vidéo: ClusterEnG Application: DBSCAN
Noté: Lesson 3 Quiz
Noté: Implementing the K-means Clustering Algorithm
SEMAINE 3
Week 3
9 vidéos, 2 lectures
- Leyendo: Lesson 4 Part 2 Overview
- Vidéo: 4.7 CHAMELEON: Graph Partitioning on the KNN Graph of the Data
- Vidéo: 4.8 Probabilistic Hierarchical Clustering
- Leyendo: Lesson 5 Overview
- Vidéo: 5.1 Density-Based and Grid-Based Clustering Methods
- Vidéo: 5.2 DBSCAN: A Density-Based Clustering Algorithm
- Vidéo: 5.3 OPTICS: Ordering Points To Identify Clustering Structure
- Vidéo: 5.4 Grid-Based Clustering Methods
- Vidéo: 5.5 STING: A Statistical Information Grid Approach
- Vidéo: 5.6 CLIQUE: Grid-Based Subspace Clustering
Noté: Lesson 4 Quiz
Noté: Lesson 5 Quiz
SEMAINE 4
Week 4
10 vidéos, 1 lecture
- Leyendo: Lesson 6 Overview
- Vidéo: 6.2 Clustering Evaluation Measuring Clustering Quality
- Vidéo: 6.3 Constraint-Based Clustering
- Vidéo: 6.4 External Measures 1: Matching-Based Measures
- Vidéo: 6.5 External Measure 2: Entropy-Based Measures
- Vidéo: 6.6 External Measure 3: Pairwise Measures
- Vidéo: 6.7 Internal Measures for Clustering Validation
- Vidéo: 6.8 Relative Measures
- Vidéo: 6.9 Cluster Stability
- Vidéo: 6.10 Clustering Tendency
Noté: Lesson 6 Quiz
Noté: Implementing Clustering Validation Measures
Course Conclusion
In the course conclusion, feel free to share any thoughts you have on this course experience.
1 élément
- Cuadro de aviso de la discusión: Final Reflections
FAQ
Comment cela fonctionne
Trabajo del curso
Cada curso es como un libro de texto interactivo, con videos pregrabados, cuestionarios y proyectos.
Ayuda de tus compañeros
Conéctate con miles de estudiantes y debate ideas y materiales del curso, y obtén ayuda para dominar los conceptos.
Certificados
Obtén reconocimiento oficial por tu trabajo y comparte tu éxito con amigos, compañeros y empleadores.
Créateurs
University of Illinois at Urbana-Champaign
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.
Tarification
| Acheter le cours | |
|---|---|
| Accéder au contenu du cours | Disponible |
| Accéder au contenu noté | Disponible |
| Recevoir une Note Finale | Disponible |
| Obtenir un Certificat de Cours partageable | Disponible |
Notation et examens
Coursera propose un accès universel à la meilleure formation au monde,
en partenariat avec des universités et des organisations du plus haut niveau, pour proposer des cours en ligne.
© 2018 Coursera Inc. Tous droits réservés.
