课程总体目标

本课引导学生理解聚类分析的基本思想，掌握距离度量的概念，能够区分聚类与分类，理解 K-均值聚类算法的完整流程，包括初始化、分配、更新、迭代等步骤，能够分析 K-均值算法的优缺点及适用条件，了解其他聚类方法。

具体学习目标

本课程共设置 6 项学习目标，涵盖知识理解、技能应用与科学探究三个维度。

1
理解聚类

能说明聚类分析的基本含义及其与分类的区别。

目标
2
认识距离

能理解距离度量在聚类中的作用。

目标
3
掌握 K-均值

能描述 K-均值聚类算法的完整流程。

目标
4
选择 K 值

能了解肘部法则、轮廓系数等 K 值选择方法。

目标
5
分析优缺点

能分析 K-均值算法的优缺点及适用条件。

目标
6
举例应用

能举例说明聚类在生活中的应用场景。

目标

学习路径时间线

  • 1
    认知阶段

  • 2
    巩固阶段

  • 3
    练习阶段

完成后你将掌握

能说明聚类与分类的区别，理解距离度量的作用
能描述 K-均值聚类算法的完整流程
能分析 K-均值算法的优缺点并举例应用