老孟 
你将学会
- 理解 K-means 基于距离相似度的聚类原理
- 掌握初始质心优化与距离加速两种思路
- 能通过肘部法分析确定最优聚类簇数
本课程经原理推导与sklearn实践，讲解K-means及kmeans++优化，解决初始质心敏感与K值选择，帮助掌握聚类建模方法。
介绍最经典的基于距离的无监督分组方法，说明它如何通过反复把样本划归最近中心、再移动中心位置，直至收敛出若干簇。文章分析初始中心位置和数据规模对聚类效果与效率的影响，并介绍两种常见优化：加速距离计算，以及更合理地初始化中心。适合初学者建立聚类直觉，读完能理解基本原理、迭代收敛过程与常见改进方向。
推荐 8 小时 58 分钟
本课程通过Tkinter与朴素贝叶斯实战，讲解贝叶斯公式与邮件向量化训练，解决中文垃圾邮件识别，帮助学习者交付可分发桌面分类应用。
推荐 1 小时 16 分钟
本课程通过分词、词性标注与关键词抽取示例讲解 jieba，解决中文无空格难处理，帮助学习者掌握分词与关键词提取，提升预处理能力。
推荐 3 小时 11 分钟
本课程讲解C++20协程语法与底层机制，解决IO等待时线程空占问题，帮助掌握co_await并实现生成器与事件循环。
冀公网安备13050302001966号