本课程将向您介绍机器学习的主要类型之一：无监督学习。您将学习如何从没有目标或标注变量的数据集中找到洞察力。您将学习几种用于无监督学习的聚类和降维算法，以及如何选择最适合您数据的算法。本课程的实践部分侧重于使用无监督学习的最佳实践。 在本课程结束时，您应该能够： 解释适合无监督学习方法的问题类型 解释维度诅咒，以及它如何使具有许多特征的聚类变得困难 描述和使用常见的聚类和降维算法 在适当的情况下尝试聚类点，比较每个聚类模型的性能 了解描述聚类特征的相关指标 谁应该学习本课程？
无监督机器学习
了解顶级公司的员工如何掌握热门技能
积累特定领域的专业知识
此课程作为 的一部分提供
在注册此课程时，您还需要选择一个特定的合作项目。
- 向行业专家学习新概念
- 获得对主题或工具的基础理解
- 通过实践项目培养工作相关技能
- 获得可共享的职业证书
该课程共有7个模块
本模块介绍无监督学习及其应用。无监督学习最常见的应用之一是使用 k-means 对观测数据进行聚类。在本模块中，你将熟悉这种算法背后的理论，并在演示中将其付诸实践。
涵盖的内容
11个视频2篇阅读材料3个作业3个应用程序项目
涵盖的内容
6个视频1篇阅读材料2个作业2个应用程序项目
在本模块中，您将熟悉聚类算法的一些计算障碍，以及不同的聚类实现是如何克服这些障碍的。在简要回顾常见聚类算法后，您将学习如何比较这些算法，并选择最适合您的数据的聚类技术。
涵盖的内容
11个视频1篇阅读材料3个作业3个应用程序项目
本模块介绍了降维和主成分分析，它们是用于大数据、成像和数据预处理的强大技术。
涵盖的内容
5个视频1篇阅读材料2个作业4个应用程序项目
本模块介绍内核主成分分析和多维缩放等降维技术。在许多应用中，这些方法比主成分分析法更强大。
涵盖的内容
2个视频1篇阅读材料2个作业3个应用程序项目
本模块介绍矩阵因式分解，这是一种用于大数据、文本挖掘和数据预处理的强大技术。
涵盖的内容
3个视频1篇阅读材料2个作业3个应用程序项目
现在，你已经拥有了所有工具，可以在最终项目中突出自己的无监督学习能力。
涵盖的内容
1篇阅读材料1次同伴评审
获得职业证书
将此证书添加到您的 LinkedIn 个人资料、简历或履历中。在社交媒体和绩效考核中分享。
位教师
授课教师评分
4.6 (87个评价)
提供方
从 机器学习 浏览更多内容
状态：免费试用University of Michigan
状态：免费试用
状态：免费试用
人们为什么选择 Coursera 来帮助自己实现职业发展
Felipe M.
自 2018开始学习的学生
''能够按照自己的速度和节奏学习课程是一次很棒的经历。只要符合自己的时间表和心情，我就可以学习。'
Jennifer J.
自 2020开始学习的学生
''我直接将从课程中学到的概念和技能应用到一个令人兴奋的新工作项目中。'
Larry W.
自 2021开始学习的学生
''如果我的大学不提供我需要的主题课程，Coursera 便是最好的去处之一。'
Chaitanya A.
''学习不仅仅是在工作中做的更好：它远不止于此。Coursera 让我无限制地学习。'
学生评论
4.7
350 条评论
- 5 stars
79.03%
- 4 stars
15.86%
- 3 stars
2.26%
- 2 stars
1.13%
- 1 star
1.69%
显示 3/350 个
VA
5
已于 Jul 5, 2021审阅
Great course. Maybe there is one instance of wrong answer in one of the quizzes. Everything elese is perfect. Thanks IBM !
SS
5
已于 Apr 15, 2025审阅
I am gaining more knowledge in unsupervised machine learning. thank you
AF
5
已于 Nov 6, 2020审阅
Great course and very well structured. I'm really impressed with the instructor who give thorough walkthrough to the code.
常见问题
要获取课程资料、作业和证书，您需要在注册课程时购买证书体验。 您可以尝试免费试听，或申请资助。课程可能提供 "完整课程，无证书"。通过该选项，您可以查看所有课程资料，提交必要的评估，并获得最终成绩。这也意味着您无法购买证书体验。
注册课程后，您就可以访问证书中的所有课程，并在完成作业后获得证书。您的电子证书将被添加到您的 "成就 "页面--在那里，您可以打印证书或将其添加到您的 LinkedIn 个人资料中。
更多问题
提供助学金，
¹ 本课程的部分作业采用 AI 评分。对于这些作业，将根据 Coursera 隐私声明使用您的数据。