讲师介绍 王符伟，人工智能团队 Leader，负责技术管理、项目管理与产品研发，拥有 16 年 IT 实战经验。不仅擅长人工智能与大数据分析，而且有深厚的美术功底，对技术插画有着工程与艺术相结合的双项审美能力。善于将晦涩的技术拆解为趣味横生的艺术插画，降低技术理解难度。 问题背景 机器学习会根据数据是否拥有正确答案（标签）分为监督学习和无监督学习两种基本类别。无监督学习即使没有正确答案，也能学习到数据内部很多结构化特征，是一种经常与数据分析共同协作使用的技术。与监督学习相比，无监督学习有着成本低、学习精度高等优点。聚类是无监督学习当中最经典的算法，有层级聚类与非层级聚类等更加细分的算法种类，以此来匹配更加精准的业务场景。 因此，在什么样的情况下，依据数据的哪些特征，选择何种具体的算法就显得尤为重要。与此同时，无监督学习由于没有正确答案，所以如何对学习成果进行评估与解释也成为了一个非常重要的环节。 内容看点 在数据分析流程中实施 K-Means 聚类算法 通过 K-Means++ 增强聚类效果 用 elbow 与剪影分析等方法探索最佳簇数量