The Unsupervised Learning Workshop

Do you find it difficult to understand how popular companies like WhatsApp and Amazon find valuable insights from large amounts of unorganized data? The Unsupervised Learning Workshop will give you the confidence to deal with cluttered and unlabeled datasets, using unsupervised algorithms in an easy and interactive manner.The book starts by introducing the most popular clustering algorithms of unsupervised learning. You'll find out how hierarchical clustering differs from k-means, along wit

这是一本专注于无监督学习的实战指南，通过一系列详细的理论阐述和丰富的实践案例，引导读者掌握如何利用无监督算法处理大量无序数据，发现数据中的内在结构，模式，以及关系。书中首先介绍了无监督算法处理大量无序数据的基本概念，然后深入探讨了k-means聚类算法，层次聚类算法，DBSCAN聚类算法，以及维度 reduction和PCA技术。此外，书中还介绍了如何使用自编码器进行高效的数据编码，利用t-SNE模型提取高维信息，并使用主题建模实现自然语言处理。在后续章节中，读者将找到关键关系之间的顾客和业务使用市场篮子分析，然后继续使用热点分析估计一个地区的人口密度。 书中详细解释了无监督算法处理大量无序数据的重要性，并强调了算法从clustering开始的观点。此外，书中还提供了机器学习概述，解释了k-means聚类算法，层次聚类算法和DBSCAN聚类算法的基本概念，以及它们之间的差异和适用场景。此外，书中还详细介绍了维度 reduction的概念和重要性，以及如何使用scikit-learn进行PCA计算。 书中还介绍了自动编码器的概念，解释了如何使用Keras框架实现Autoencoder