聚类是一种无监督学习技术：它在未知类别标签的情况下，从数据中寻找模式，并把相似的观测划分为簇。许多应用都会用到某种聚类算法。您能判断哪些问题适合用聚类来解决吗？
本练习是课程的一部分
通过我们的互动练习之一，将理论转化为实践
探索性数据分析（EDA）是进行数据研究时的基础步骤。在 Tableau 中获取对数据的初步洞见非常简单：您将很快学会创建并解读表格、条形图、直方图和箱线图！
在这一更偏概念的章节中，您将更深入地理解不同的集中趋势与离散度量，以及它们在 Tableau 中的使用方法。您将了解摘要卡的用法、样本与总体的区别，并学习如何计算与可视化方差、标准差和置信区间。
现在该同时观察 2 个变量了。描述两个变量之间的关系（即回归）是发现数据趋势的好方法。您将学习如何找到最佳趋势线、描述趋势模型，并利用恐龙数据预测未来观测值！
在最后一章中，您将学习两种更高级的统计技术：预测与聚类。预测有助于您在时间序列数据中发现重复模式，并推断这些模式将来如何变化。通过聚类，您可以在无标签数据中识别模式，从而灵活切分数据集，揭示潜在洞见。
当前练习
