基於Python的無監督學習

內容簡介

本書主要內容有：比較不同機器學習方法的優缺點、監督學習、無監督學習和強化學習。從頭到尾的建立和管理機器學習項目。建立一個異常檢測系統，以捕捉信用卡交易的欺詐。將用戶集群到不同的同構組中。執行半監督學習。使用受限制玻爾茲曼機開發電影推薦系統。使用生成對抗網路生成合成圖像。

圖書目錄

前言 1

第一部分無監督學習基礎

第1 章機器學習生態系統中的無監督學習 15

機器學習基本術語 15

基於規則(Rules-Based) 與機器學習 17

監督學習與無監督學習 17

監督學習的優缺點 18

無監督學習的優缺點 19

使用無監督學習改進機器學習的解決方案 20

了解監督學習算法 23

線性算法 25

基於鄰域的算法 26

基於樹的算法 28

支持向量機 29

神經網路 30

了解無監督學習算法 30

降維 30

聚類 33

特徵提取 35

無監督深度學習 36

使用無監督學習解決序列數據問題 38

利用無監督學習的強化學習 39

半監督學習 40

無監督學習的成功套用 40

結論 42

第2 章完整機器學習項目 43

環境設定 43

版本控制：Git 43

克隆本書的Git 存儲庫 44

科學庫：Anaconda 發行版Python 44

神經網路：TensorFlow 和Keras 45

梯度提升算法，版本1: XGBoost 45

梯度提升算法，版本2：LightGBM 46

聚類算法 46

互動式計算環境：Jupyter Notebook 47

數據概述 47

數據準備 48

數據採集 48

數據研究 50

生成特徵矩陣和標籤數組 53

特徵工程與特徵選擇 54

數據可視化（Data Visualization） 55

模型準備 56

分離出訓練和測試數據集 56

選擇成本函式 57

創建k 折交叉驗證集 58

機器學習模型（第一部分） 58

評估指標 62

混淆矩陣（Confusion Matrix） 62

精確率召回率曲線（Precision-Recall Curve） 63

基於Python的無監督學習

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條