数据仓库与数据挖掘-15.5 Birch层次聚类中簇直径D的计算方式-网易公开课

已购课程

个人中心 

内容中心

 关注我们

进入关怀模式

APP下载

反馈

15.5 Birch层次聚类中簇直径D的计算方式

1907 播放

下载

手机看

登录后可发评论

评论沙发是我的～

选集(112)

自动播放

[1] 1.1 数据挖掘的社会需求

2.1万播放

14:22

1.1 数据挖掘的社会需求

[2] 1.2 数据挖掘的经典实际应用

4240播放

12:58

1.2 数据挖掘的经典实际应用

[3] 1.3 数据挖掘的定义

3022播放

16:58

1.3 数据挖掘的定义

[4] 1.4 数据挖掘的发展历程与数据来...

2633播放

11:59

1.4 数据挖掘的发展历程与数据来源

[5] 1.5 分类分析技术简介

3804播放

13:15

1.5 分类分析技术简介

[6] 1.6 聚类关联孤立点分析技术简介

2829播放

17:33

1.6 聚类关联孤立点分析技术简介

[7] 1.7 数据挖掘的体系结构与其他技...

2788播放

20:44

1.7 数据挖掘的体系结构与其他技术的异同

[8] 2.1 数据仓库与数据库的区别

3765播放

22:52

2.1 数据仓库与数据库的区别

[9] 2.2 什么是数据仓库

2700播放

11:31

2.2 什么是数据仓库

[10] 2.3 数据仓库的系统结构

2208播放

13:48

2.3 数据仓库的系统结构

[11] 2.4 数据仓库的数据组织形式

2922播放

15:09

2.4 数据仓库的数据组织形式

[12] 2.5 数据仓库的数据模型

2898播放

08:13

2.5 数据仓库的数据模型

[13] 2.6 什么是联机分析处理

3225播放

12:07

2.6 什么是联机分析处理

[14] 2.7 OLAP的多维数据存储

2820播放

20:58

2.7 OLAP的多维数据存储

[15] 2.8 OLAP的分类

2892播放

16:36

2.8 OLAP的分类

[16] 3.1 为什么要数据预处理

2667播放

11:46

3.1 为什么要数据预处理

[17] 3.2 数据清理

2888播放

22:01

3.2 数据清理

[18] 3.3 数据集成与数据变换

2373播放

11:51

3.3 数据集成与数据变换

[19] 3.4 数据归约

2112播放

10:38

3.4 数据归约

[20] 3.5 数据压缩与数值归约

2061播放

10:16

3.5 数据压缩与数值归约

[21] 3.6 数据离散化

2002播放

18:01

3.6 数据离散化

[22] 4.1 什么是PCA

2756播放

17:48

4.1 什么是PCA

[23] 4.2 PCA原理推导（1）

2565播放

26:26

4.2 PCA原理推导（1）

[24] 4.3 PCA原理推导（2）

2190播放

12:23

4.3 PCA原理推导（2）

[25] 5.1 什么是关联规则挖掘

1845播放

08:30

5.1 什么是关联规则挖掘

[26] 5.2 关联规则挖掘示例

1804播放

18:19

5.2 关联规则挖掘示例

[27] 5.3 Apriori算法

3380播放

23:19

5.3 Apriori算法

[28] 5.4 频繁项集生成规则

2007播放

05:02

5.4 频繁项集生成规则

[29] 5.5 Apriori算法分析与改...

2530播放

17:30

5.5 Apriori算法分析与改进

[30] 5.6 FP-Growth算法

2500播放

11:35

5.6 FP-Growth算法

[31] 6.1 什么是多值关联规则

2108播放

16:47

6.1 什么是多值关联规则

[32] 6.2 多值关联规则挖掘中的连续属...

1341播放

13:24

6.2 多值关联规则挖掘中的连续属性划分

[33] 6.3 多值关联规则合并

1212播放

05:55

6.3 多值关联规则合并

[34] 6.4 从下向上的频繁项集搜索方式

1407播放

11:14

6.4 从下向上的频繁项集搜索方式

[35] 6.5 自上向下的频繁项集搜索方式

1438播放

17:50

6.5 自上向下的频繁项集搜索方式

[36] 6.6 多层关联规则的社会需求

1380播放

15:04

6.6 多层关联规则的社会需求

[37] 6.7 同层关联规则挖掘算法

1288播放

21:37

6.7 同层关联规则挖掘算法

[38] 7.1 什么是项约束性关联规则挖掘

1098播放

10:51

7.1 什么是项约束性关联规则挖掘

[39] 7.2 项约束性关联规则挖掘算法D...

1627播放

21:48

7.2 项约束性关联规则挖掘算法Direct

[40] 7.3 项约束性关联规则挖掘Dir...

1871播放

17:49

7.3 项约束性关联规则挖掘Direct+

[41] 8.1 分类分析的基本思路

1480播放

18:03

8.1 分类分析的基本思路

[42] 8.2 决策树分类模型

2232播放

09:55

8.2 决策树分类模型

[43] 8.3 ID3决策树算法

1864播放

22:26

8.3 ID3决策树算法

[44] 8.4 ID3决策树算法分析

2030播放

09:41

8.4 ID3决策树算法分析

[45] 9.1 C4.5算法的改进之处

1288播放

11:10

9.1 C4.5算法的改进之处

[46] 9.2 信息增益比的计算方式

1299播放

18:50

9.2 信息增益比的计算方式

[47] 9.3 C4.5算法处理连续属性

1290播放

09:43

9.3 C4.5算法处理连续属性

[48] 9.4 C4.5算法处理缺失值策略

1314播放

10:36

9.4 C4.5算法处理缺失值策略

[49] 9.5 C4.5算法中的交叉验证

1134播放

04:27

9.5 C4.5算法中的交叉验证

[50] 9.6 C4.5算法构建决策树示例

1954播放

14:09

9.6 C4.5算法构建决策树示例

[51] 10.1 梯度提升决策树的例子

1454播放

08:47

10.1 梯度提升决策树的例子

[52] 10.2 梯度提升决策树算法

2030播放

10:21

10.2 梯度提升决策树算法

[53] 11.1 SLIQ算法思路

1339播放

09:27

11.1 SLIQ算法思路

[54] 11.2 SLIQ如何处理连续属性

1311播放

19:51

11.2 SLIQ如何处理连续属性

[55] 11.3 SLIQ算法构建判定树

1798播放

09:09

11.3 SLIQ算法构建判定树

[56] 11.4 随机森林的基本思想

1575播放

09:29

11.4 随机森林的基本思想

[57] 11.5 CART构建决策树算法

1268播放

14:14

11.5 CART构建决策树算法

[58] 11.6 随机森林的投票机制

1853播放

06:56

11.6 随机森林的投票机制

[59] 12.1 最近邻分类

1852播放

23:48

12.1 最近邻分类

[60] 12.2 线性支持向量机

1839播放

13:20

12.2 线性支持向量机

[61] 12.3 线性支持向量机求解

1344播放

16:31

12.3 线性支持向量机求解

[62] 12.4 线性不可分的支持向量机和...

1261播放

17:17

12.4 线性不可分的支持向量机和非线性支持向量机

[63] 13.1 朴素贝叶斯分类算法

2756播放

19:06

13.1 朴素贝叶斯分类算法

[64] 13.2 贝叶斯信念网络的基本结构

1796播放

07:12

13.2 贝叶斯信念网络的基本结构

[65] 13.3 联合概率计算方法

1111播放

14:11

13.3 联合概率计算方法

[66] 13.4 事件独立的几种情况

1097播放

08:34

13.4 事件独立的几种情况

[67] 13.5 贝叶斯信念网络推理1

1273播放

11:36

13.5 贝叶斯信念网络推理1

[68] 13.6 贝叶斯信念网络推理2

1337播放

15:45

13.6 贝叶斯信念网络推理2

[69] 14.1 什么是聚类分析

1884播放

14:31

14.1 什么是聚类分析

[70] 14.2 距离与相似性度量

2188播放

15:14

14.2 距离与相似性度量

[71] 14.3 划分聚类Kmeans算法

2313播放

17:34

14.3 划分聚类Kmeans算法

[72] 14.4 K中心点算法思想

2110播放

15:34

14.4 K中心点算法思想

[73] 14.5 K中心点PAM算法示例

2029播放

09:10

14.5 K中心点PAM算法示例

[74] 15.1 层次聚类的基本思想

1534播放

07:15

15.1 层次聚类的基本思想

[75] 15.2 距离测算方法1

1369播放

15:58

15.2 距离测算方法1

[76] 15.3 距离测算方法2

1618播放

16:18

15.3 距离测算方法2

[77] 15.4 Birch层次聚类算法基...

1828播放

10:03

15.4 Birch层次聚类算法基本原理

[78] 15.5 Birch层次聚类中簇直...

1907播放

待播放

15.5 Birch层次聚类中簇直径D的计算方式

[79] 15.6 Birch层次聚类树的构...

2022播放

16:12

15.6 Birch层次聚类树的构建

[80] 16.1 密度聚类的基本思路

1710播放

13:03

16.1 密度聚类的基本思路

[81] 16.2 DBSCAN算法的基本概...

1547播放

09:28

16.2 DBSCAN算法的基本概念

[82] 16.3 DBSCAN算法的实现流...

1845播放

20:18

16.3 DBSCAN算法的实现流程

[83] 16.4 DBSCAN算法性能分析

1745播放

06:33

16.4 DBSCAN算法性能分析

[84] 16.5 OPTICS密度聚类基本...

1442播放

18:46

16.5 OPTICS密度聚类基本思想

[85] 16.6 OPTICS密度聚类算法...

1450播放

24:57

16.6 OPTICS密度聚类算法的实现过程

[86] 16.7 密度聚类OPTICS算法...

1691播放

05:58

16.7 密度聚类OPTICS算法描述

[87] 17.1 为什么需要高斯混合模型

1680播放

10:49

17.1 为什么需要高斯混合模型

[88] 17.2 高斯混合模型推导

1490播放

14:58

17.2 高斯混合模型推导

[89] 17.3 高斯混合模型求解——EM...

1555播放

14:20

17.3 高斯混合模型求解——EM算法

[90] 18.1 序列模式挖掘的基本原理

2059播放

14:03

18.1 序列模式挖掘的基本原理

[91] 18.2 序列模式挖掘Aprior...

2254播放

12:34

18.2 序列模式挖掘AprioriAll算法的实现过程

[92] 18.3 序列模式挖掘Aprior...

1766播放

09:46

18.3 序列模式挖掘AprioriSome算法

[93] 18.4 序列模式挖掘Dynami...

1176播放

07:37

18.4 序列模式挖掘DynamicSome算法

[94] 18.5 有时间约束的序列模式挖掘...

2032播放

18:12

18.5 有时间约束的序列模式挖掘GSP算法原理

[95] 18.6 有时间约束的序列模式挖掘...

1355播放

12:22

18.6 有时间约束的序列模式挖掘GSP算法示例

[96] 19.1 Pycharm环境安装与...

1759播放

06:27

19.1 Pycharm环境安装与数据读取

[97] 19.1 Pycharm环境安装与...

860播放

08:08

19.1 Pycharm环境安装与数据读取

[98] 19.2 Pandas数据预处理

1094播放

17:07

19.2 Pandas数据预处理

[99] 19.2 Pandas数据预处理

1360播放

19:47

19.2 Pandas数据预处理

[100] 19.3 Apriori算法的Py...

2179播放

16:54

19.3 Apriori算法的Python实践

[101] 19.4 决策树算法的Python...

1242播放

22:35

19.4 决策树算法的Python实践

[102] 19.5 随机森林的Python实...

1267播放

17:06

19.5 随机森林的Python实践

[103] 19.5 随机森林的Python实...

797播放

12:12

19.5 随机森林的Python实践

[104] 19.5 随机森林的Python实...

1617播放

16:26

19.5 随机森林的Python实践

[105] 19.6 朴素贝叶斯算法的Pyth...

1685播放

08:39

19.6 朴素贝叶斯算法的Python实践

[106] 19.6 朴素贝叶斯算法的Pyth...

1512播放

06:51

19.6 朴素贝叶斯算法的Python实践

[107] 19.7 Kmeans算法的Pyt...

1435播放

12:22

19.7 Kmeans算法的Python实践

[108] 19.7 Kmeans算法的Pyt...

1806播放

05:28

19.7 Kmeans算法的Python实践

[109] 19.8 BIRCH算法的Pyth...

1193播放

20:35

19.8 BIRCH算法的Python实践

[110] 19.9 DBSCAN与OPTIC...

1312播放

10:55

19.9 DBSCAN与OPTICS算法的Python实践

[111] 19.9 DBSCAN与OPTIC...

1655播放

14:03

19.9 DBSCAN与OPTICS算法的Python实践

[112] 19.9 DBSCAN与OPTIC...

1261播放

18:00

19.9 DBSCAN与OPTICS算法的Python实践