飞豹客 · 课能看,资料也能带走
飞豹客AI

机器学习-聚类&贝叶斯算法

这门课解决什么工作场景 很多做运营、市场或数据分析的上班族,手头攥着成堆的用户行为记录或广告渠道转化明细,却只知道算均值和做透视表,遇到“怎么把这些海量数据自动分群”或者“怎么给未知数据打标签”这类需求时就卡壳。这门聚类与贝叶斯算法课,针对的就是这种业务痛点。它不谈玄乎的通用人工智能,而是把无监督学

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
3 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

这门课解决什么工作场景

很多做运营、市场或数据分析的上班族,手头攥着成堆的用户行为记录或广告渠道转化明细,却只知道算均值和做透视表,遇到“怎么把这些海量数据自动分群”或者“怎么给未知数据打标签”这类需求时就卡壳。这门聚类与贝叶斯算法课,针对的就是这种业务痛点。它不谈玄乎的通用人工智能,而是把无监督学习和概率推断,硬生生按在具体的广告投放渠道聚类分析场景里。你学完之后,面对几十个投放渠道的消耗与转化数据,不再是凭直觉瞎猜哪个渠道好,而是能直接用聚类算法把它们按效果特征自动分成几档;面对带有文本特征的业务数据,也能用贝叶斯思路去估算它属于某个类别的概率。说白了,它解决的是把杂乱无章的业务明细,变成有决策依据的结构化分类的问题。

适合什么基础与建议先看哪几块

这套资料不适合完全没写过代码的纯小白,它默认你至少能看懂基础的 Python 语法,知道怎么在环境里装包跑脚本。如果你只停留在理论认知,或者只会调包传参数而不懂底层逻辑,这套东西能帮你把断层补上。建议拿到资料后,别一上来就去啃算法推导,先看统计学与概率入门那几节,尤其是联合概率、条件概率以及精确率和召回率。这几个概念是后面所有模型评估的基石,很多做转行的人就是栽在对召回率理解不到位,导致模型跑出来没法跟业务方交差。把评估指标吃透后,直接跳到广告投放渠道聚类分析那块,跟着把数据加载、特征工程到最终跑通轮廓系数的流程走一遍。这部分是全课的核心,它完整展示了拿到一份真实脏数据后,怎么清洗特征、怎么选合适的 K 值,以及怎么用轮廓系数去验证聚类的合理性,而不是跑完一个模型函数就万事大吉。

学完能独立做什么与资料怎么配合练习

完整跟下来后,你能在实际工作里独立产出两样东西:一是针对任意一份不带标签的二维或多维业务数据,写出能自动跑通并输出聚类报告的完整脚本;二是能利用概率统计基础,去理解文本挖掘里常见的词频权重推导逻辑,并尝试用雷达图等可视化手段向团队展示多维数据的特征分布。在配合资料练习时,不要只用播放器看视频,必须自己建一个工程目录跟着敲。视频里讲到数据探索和特征工程时,务必停下来,拿你自己工作中的数据替换掉课程里的广告投放数据集,重新跑一遍 KMeans。如果跑出来的聚类中心全挤在一起,就回去翻特征工程那节,检查是不是没做数据标准化。把课程里的示例代码当成骨架,把你的真实业务数据当成血肉,只有替换过一次数据并成功跑通,才算真正把这门课的知识内化成了你自己的职场技能。

课程目录

课程目录18 集
  • 1-1 [统计学与概率入门] 课程介绍与资源下载 (07:18).mp4
  • 1-2 [统计学与概率入门] 大数据与小数据 (20:16).mp4
  • 1-3 [统计学与概率入门] 联合概率与条件概率 (09:33).mp4
  • 1-4 [统计学与概率入门] 精确率、召回率 (16:33).mp4
  • 2-1 [广告投放渠道聚类分析] 聚类算法原理介绍 (14:08).mp4
  • 2-2 [广告投放渠道聚类分析] K均值极简案例 (12:35).mp4
  • 2-3 [广告投放渠道聚类分析] 数据加载与探索 (17:45).mp4
  • 2-4 [广告投放渠道聚类分析] 特征工程 (18:14).mp4
  • 2-5 [广告投放渠道聚类分析] KMeans聚类与轮廓系数 (16:39).mp4
  • 3-1 [雷达图与贝叶斯初探] 可视化与雷达图 (14:06).mp4
  • 3-2 [雷达图与贝叶斯初探] 雷达图数据分析 (27:37).mp4
  • 3-3 [雷达图与贝叶斯初探] TF-IDF推导 (17:57).mp4
  • 3-4 [雷达图与贝叶斯初探] jieba分词器与TF-IDF (17:25).mp4
  • 4-1 [贝叶斯评论情感分析] 朴素贝叶斯公式 (12:56).mp4
  • 4-2 [贝叶斯评论情感分析] 句子去重与词压缩 (22:01).mp4
  • 4-3 [贝叶斯评论情感分析] TfidfVectorizer (16:25).mp4
  • 4-4 [贝叶斯评论情感分析] 产品评论情感分析 (10:13).mp4
  • 4-5 [贝叶斯评论情感分析] 课程总复习和下季剧透 (08:57).mp4