属于 Machine Learning 学习旅程新学习旅程用 Python 学无监督学习
在没有标签的数据中找出分组、结构和异常值。用 scikit-learn 对真实数据集进行聚类、降维和扫描，并在图表上看到每一个结果。
51 节课51 个挑战210 道测验题
- 适合初学者
AI 辅助编程帮助
动手实践的互动课程
检验所学的测验
免费结业证书
课程大纲
本单元属于 Machine Learning 学习旅程。完整大纲还有更多单元：点击下方任意预览，即可在学习旅程页面查看。
- 单元 1数据与图表60 节课
- 单元 2机器学习统计学64 节课
- 单元 3监督学习58 节课
单元 4
无监督学习
开始本单元开始在没有标签的数据中发现结构：k-means、层次聚类和密度聚类，使用 PCA 查看并压缩多个特征，以及异常检测，最后完成一个数字探索项目。发现群组
5 节课520解读聚类结果
5 节课520PCA 实战
5 节课520异常检测
5 节课520聚类的实际应用
4 节课415
在实践中学习
编写真实代码、查询数据库、搭建网站、掌握 AI 提示词。我们的互动课程涵盖现代开发者需要的每一项技能。
打造你的连胜
坚持下去，看着自己不断进步！记录每天的编程习惯，用冻结天数保护连胜，每天打卡都能赢取奖励。
12 天连胜
明天再来，保持你的连胜！
January 2026
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
21
22
23
24
25
26
27
28
29
30
加倍或归零
第 5 天，共 7 天
连胜冻结
2 left
随时随地写代码
随时随地继续你的编程学习旅程！无需配置，无需下载：打开就能写代码。支持 iOS、Android 和 Web，评分高达 4.9 星。
你并不孤单
在全球排行榜上一较高下，邀请好友赢取奖励，为彼此的成就喝彩。和好友一起编程更有趣！
1
2
3
晋级区多种学习方式
阅读、收听、自我测验、问 AI，或者查阅学过的任何内容。每节课都配合你的节奏。
变量是一个有名字的容器，用来存储值，方便你在程序后面引用。
在 Python 中，创建变量只需写下名字、一个等号，再写上要存储的值。
值可以随时间变化。给这个名字重新赋值，它就会指向新的值。
获得证书
每完成一门课程都能获得证书。把证书添加到你的 LinkedIn 个人资料和简历中，向雇主展示你的编程能力。
结业证书Python 基础
添加到 LinkedIn为什么在 Coddy 学无监督学习
- 看得见的聚类。看着 k-means 移动聚类中心，读懂树状图的合并高度，再看 DBSCAN 找出被 k-means 一刀切成两半的月牙形分组。每节课都有图表，运行代码时你的图表会出现在“图表”标签页中。
- 核心方法：k-means、用肘部法和轮廓系数选择 k、层次聚类、DBSCAN、PCA 和解释方差、孤立森林和局部离群因子，全部使用 scikit-learn。
- 能讲清楚的结果。你会用真实单位描述每个聚类的特征，把聚类和已知标签做比较，并给出企业可以据此行动的客户分群名称，而不是停留在一串聚类编号上。
- 让 64 维数据变得可见：把手写数字投影到一张平面图上，把 PCA 主成分画成图像，再用几个数字重建图片。
关于无监督学习的常见问题
无监督学习是什么？
无监督学习在没有标签的数据中寻找结构。没有人告诉模型正确答案；它会寻找相似数据行组成的分组（聚类）、保留大部分信息的少数几个方向（降维），或者与其他数据都不一样的行（异常检测）。在任何人给数据打标签之前，你就是用它来探索新数据集、做客户分群或发现欺诈的。
无监督学习有哪些例子？
按购买内容给顾客分组，把一张图片的颜色减少到最重要的八种，把 64 像素的数字图像映射到一张平面图上，找出异常的服务器读数，以及在没人告诉你哪个是哪个的情况下，把细胞测量数据分成两类。课程会把这些逐一做出来。
课程涵盖哪些算法？
配合肘部法和轮廓系数的 k-means、配合树状图的凝聚式（层次）聚类、DBSCAN、PCA、孤立森林和局部离群因子。你还会学到为什么要先做特征缩放，以及每种方法在什么时候会失效，从而选对方法。
怎样选择聚类的数量？
很少有唯一正确的答案，所以课程会教你三种观察方式：惯性曲线的肘部、轮廓系数，以及树状图的合并高度。然后你要用真实单位检查各个聚类，问问自己：一个人能不能给它们起个名字？如果某个 k 分出的组谁都描述不清，那就是错误的 k。
应该先学监督学习吗？
无监督学习单元需要多长时间？
51 节课，按自己的节奏学大约 8 到 9 小时：每天半小时，几周就能学完，其中包括数字探索器项目和四道结业挑战。
可以免费学无监督学习吗？
可以。课程内容、图表、AI 提示和单元证书都免费。免费账号每天可以学几节课，Pro 会取消每日限制。
