Python無監督機器學習最佳實踐

內容簡介

《Python無監督機器學習最佳實踐》詳細闡述了與無監督機器學習開發相關的基本解決方案，主要包括聚類、分層聚類、鄰域聚類方法和DBSCAN、降維和PCA、自動編碼器、t分布隨機鄰域嵌入算法、主題建模、購物籃分析、熱點分析等內容。此外，《Python無監督機器學習最佳實踐》還提供了相應的示例、代碼，以幫助讀者進一步理解相關方案的實現過程。

《Python無監督機器學習最佳實踐》適合作為高等院校計算機及相關專業的教材和教學參考書，也可作為相關開發人員的自學教材和參考手冊。

圖書目錄

第1章聚類

1．1 簡介

1．2 無監督學習與有監督學習

1．3 聚類的識別

1．3．1 識別聚類

1．3．2 二維數據

1．3．3 練習1：識別數據中的聚類

1．4 關於k均值聚類

1．4．1 無數學k均值演練

1．4．2 對於k均值聚類的深度演練

1．4．3 替代距離度量——曼哈頓距離

1．4．4 更深的維度

1．4．5 練習2：用Python計算歐幾里得距離

1．4．6 練習3：以距離的概念形成聚類

1．4．7 練習4：從頭開始實現k均值

1．4．8 練習5：通過最佳化實現k均值

1．4．9 聚類性能：輪廓分數

1．4．10 練習6：計算輪廓分數

1．4．11 活動1：實現k均值聚類

1．5 小結

第2章分層聚類

2．1 介紹

2．2 聚類刷新

2．3 分層的組織結構

2．4 分層聚類簡介

2．4．1 執行分層聚類的步驟

2．4．2 分層聚類的演練示例

2．4．3 練習7：建立分層結構

2．5 連結

2．5．1 連結概述

2．5．2 活動2：套用連結標準

2．6 凝聚分層聚類與分裂分層聚類

2．6．1 練習8：使用scikit-learn實現凝聚分層聚類

2．6．2 活動3：比較k均值和分層聚類

2．7 關於k均值與分層聚類

2．8 小結

第3章鄰域聚類方法和DBSCAN

3．1 介紹

3．1．1 聚類方法

3．1．2 作為鄰域的聚類

3．2 關於DBSCAN

3．2．1 DBSCAN深度

3．2．2 DBSCAN算法的演練

3．2．3 練習9：評估鄰域半徑大小的影響

3．2．4 DBSCAN屬性——鄰域半徑

3．2．5 活動4：從頭開始實現DBSCAN

Python無監督機器學習最佳實踐

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條