飞豹客 · 课能看,资料也能带走
飞豹客体系课

《R语言数据分析与挖掘》(微课版)之 聚类分析

这门课值不值得学:先看清它解决什么工作场景 很多做运营、产品或业务分析的朋友常遇到一个窘境:手里攥着几万条用户行为记录或消费明细,除了按性别、地区、年龄段做透视表,根本看不出数据里还藏着什么结构。当业务方要求给用户群体打标签、做精细化分层时,如果只靠主观拍脑袋分档,往往分出来的群组内部差异极大,落地

单课价¥39.00新品 上架
会员价¥7.80开通会员,全站课程按会员价下载套餐详情
0 人关注 更新于 2026-10-21 永久有效
发货

网盘链接 · 支付成功后自动发货

保障

永久有效 · 链接失效免费补发

客服

每日 9:00-21:00 在线客服 联系客服

购买本课销量 0 · 永久有效
会员价 · 单课标价 ¥39.00

会员 · 按档位

永久¥19.505折
年¥23.406折
月¥27.307折

游客按标价购买,不享受上表折扣。

支付成功后自动发放网盘链接,链接失效可找客服免费补

正版保障 极速发货 售后无忧

这门课值不值得学:先看清它解决什么工作场景

很多做运营、产品或业务分析的朋友常遇到一个窘境:手里攥着几万条用户行为记录或消费明细,除了按性别、地区、年龄段做透视表,根本看不出数据里还藏着什么结构。当业务方要求给用户群体打标签、做精细化分层时,如果只靠主观拍脑袋分档,往往分出来的群组内部差异极大,落地的营销动作打不准。这门聚焦聚类分析的课程,解决的就是“在没有预设标签的前提下,怎么让数据自己抱团”这个具体场景。它不教你预测未来的销售额,也不做因果推断,只干一件事:把特征相似的样本归到一堆,帮你发现数据内在的天然分块。如果你平时做报表时总觉得维度太粗,想从杂乱的业务数据里挖出真实的客群结构,这套方法值得花时间啃下来。

适合什么基础与学习路径建议

这套资料不适合连基础语法都没摸过的新手。它默认你已经掌握 R 语言的基本数据操作,知道怎么处理数据框、跑通简单的统计函数。课程直接从距离度量切入,意味着你需要具备一定的线性代数直觉,至少明白欧式距离、曼哈顿距离在算什么。建议你先看聚类概述与距离度量这两块,这是所有后续算法的地基。如果连不同度量方式对结果的影响都没搞清,后面换什么算法都是碰运气。看完基础后,直接跳到 K-均值聚类和集群评估这两部分。前者是实际业务里用得最多的算法,后者则是判断你聚出来的群组到底靠不靠谱的标尺。很多人学聚类只学怎么跑函数,不看评估指标,导致分出来的类群根本没法解释,这两块必须绑定在一起看。层次聚类涉及的可视化包较多,可以放在掌握了核心算法后再回头补,重点理解树形图怎么帮你判断最优分群数量。

学完能独立做什么与资料配合练习指南

把这套资料啃透,你能在工作里独立完成一整套客群分层的闭环。拿到一份包含多维度指标的原始数据后,你能自己判断该用哪种距离度量方式,跑通 K-均值或层次聚类,用轮廓系数等指标验证分群质量,最后画出可读性极强的树形图,直接截图贴进业务汇报里。资料配合练习的方法很关键:不要只用课程自带的数据集。找一份你自己业务里的真实脱敏数据,比如最近三个月的用户消费频次和客单价记录。每看完一个算法的讲解,立刻把自己的数据套进去跑一遍。遇到层次聚类时,重点练习调整树形图的视觉参数,因为汇报时老板往往看不懂系数,只看图。把不同参数下的图存下来对比,你会直观感受到算法是怎么影响分群结果的。这种从真实数据导入到图形化输出的完整跑通,比单纯听懂原理有价值得多。

课程目录

课程目录10 集
  • 1-1 [聚类概述及距离度量] 聚类算法概述 (09:39).mp4
  • 1-2 [聚类概述及距离度量] 聚类距离度量方法及案例介 (18:51).mp4
  • 2-1 [层次聚类] 层次聚类算法原理及凝聚层次聚类和分裂层次聚类案例讲解 (22:56).mp4
  • 2-2 [层次聚类] 聚类树形图可视化-factoextra包详细讲解 (12:50).mp4
  • 2-3 [层次聚类] 聚类树形图可视化-利用dendextend包调整树形图可视化 (21:33).mp4
  • 2-4 [层次聚类] 利用dendextend包对不同树形图进行比较 (17:13).mp4
  • 3-1 [K-均值聚类] K-means聚类算法原理及案例实现详解 (23:44).mp4
  • 4-1 [K-中心点聚类] K-中心点聚类算法原理及案例详 (17:46).mp4
  • 5-1 [密度聚类] 密度聚类原理及R语言实现案例详解 (25:46).mp4
  • 6-1 [集群评估] 集群评估及验证讲解 (22:20).mp4