I. Знакомство с кластерным анализом

I.1. Методы кластерного анализа

I.2. Преимущества и недостатки кластерного анализа

I.3. Этапы проведения кластерного анализа

I.4. Выбор переменных для кластерного анализа

I.5. Выбор меры расстояния между объектами

I.6. Выбор меры расстояния между кластерами

I.7. Определение оптимального количества кластеров

I.7.1. «Метод локтя»

I.7.2. Силуэтный коэффициент

I.7.3. Гэп-статистика

I.8. Верификация

II. Метод k-средних

II.1. Описание метода

II.2. Улучшение процедуры инициализации центров кластеров в методе k-средних++

II.3. Программная реализация метода k-средних

II.4. Применение собственной реализации метода k-средних к данным об ирисах Фишера и набору make_blobs

II.5. Недостатки метода k-средних

II.6. Применение класса KMeans для задачи с известными фактическими метками кластеров (кластеризация с ground truth)

II.7. Применение класса Kmeans для задачи с неизвестными фактическими метками кластеров (кластеризация без ground truth)

III. Метод DBSCAN

III.1. Описание метода

III.2. Программная реализация DBSCAN

III.3. Настройка гиперпараметров DBSCAN

III.4. Преимущества и недостатки DBSCAN

IV. Метод HDBSCAN

IV.1. Описание метода

IV.2. Настройка гиперпараметров HDBSCAN

V. Метод BIRCH

V.1. Описание метода

V.2. Иллюстрация метода