Python无监督机器学习最佳实践--聚文网

精选

¥5.83

世界图书名著昆虫记绿野仙踪木偶奇遇记儿童书籍彩图注音版

¥5.39

正版世界名著文学小说名家名译中学生课外阅读书籍图书批发 70册

¥8.58

简笔画10000例加厚版2-6岁幼儿童涂色本涂鸦本绘画本填色书正版

¥5.83

世界文学名著全49册中小学生青少年课外书籍文学小说批发正版

¥4.95

全优冲刺100分测试卷一二三四五六年级上下册语文数学英语模拟卷

¥8.69

父与子彩图注音完整版小学生图书批发儿童课外阅读书籍正版1册

¥24.2

好玩的洞洞拉拉书0-3岁宝宝早教益智游戏书机关立体翻翻书4册

¥7.15

幼儿认字识字大王3000字幼儿园中班大班学前班宝宝早教启蒙书

¥11.55

用思维导图读懂儿童心理学培养情绪管理与性格培养故事指导书

¥19.8

少年读漫画鬼谷子全6册在漫画中学国学小学生课外阅读书籍正版

¥64

科学真好玩

¥12.7

一年级下4册·读读童谣和儿歌

¥38.4

原生态新生代(传统木版年画的当代传承国际研讨会论文集)

¥11.14

法国经典中篇小说

¥11.32

上海的狐步舞--穆时英(中国现代文学馆馆藏初版本经典)

¥21.56

猫的摇篮(精)

¥30.72

幼儿园特色课程实施方案/幼儿园生命成长启蒙教育课程丛书

旧时风物(精)

三希堂三帖/墨林珍赏

寒山子庞居士诗帖/墨林珍赏

苕溪帖/墨林珍赏

楷书王维诗卷/墨林珍赏

兰亭序/墨林珍赏

祭侄文稿/墨林珍赏

蜀素帖/墨林珍赏

真草千字文/墨林珍赏

进宴仪轨(精)/中国古代舞乐域外图书

舞蹈音乐的基础理论与应用

编辑推荐

"在没有标签数据的情况下，无监督学习是一种有效且实用的解决方案。本书将指导读者完成使用Python进行无监督学习的很好实践，以结合使用无监督学习技术和Python库从非结构化数据中提取有意义的信息。本书首先说明了基本聚类如何在数据集中查找相似的数据点。精通k均值算法及其操作原理后，读者将了解什么是降维（Dimensionality Reduction）以及在哪里应用。随着学习的深入，读者还将掌握各种神经网络技术以及了解如何通过它们改善自己的模型。在研究无监督学习的应用程序时，我们还将学习如何挖掘Twitter上流行的主题。开发人员可以通过进行各种有趣的活动来挑战自己（例如，进行购物篮分析以确定不同产品之间的关系），从而完成本书的学习。学习完本书，读者将具备使用Python自信地构建自己的模型所需的技能。 "

内容简介

本书详细阐述了与无监督机器学习开发相关的基本解决方案，主要包括聚类、分层聚类、邻域聚类方法和DBSCAN、降维和PCA、自动编码器、t分布随机邻域嵌入算法、主题建模、购物篮分析、热点分析等内容。此外，本书还提供了相应的示例、代码，以帮助读者进一步理解相关方案的实现过程。本书适合作为高等院校计算机及相关专业的教材和教学参考书，也可作为相关开发人员的自学教材和参考手册。

第1章聚类
1．1简介
1．2无监督学习与有监督学习
1．3聚类的识别
1．3．1识别聚类
1．3．2二维数据
1．3．3练习1：识别数据中的聚类
1．4关于k均值聚类
1．4．1无数学k均值演练
1．4．2对于k均值聚类的深度演练
1．4．3替代距离度量——曼哈顿距离
1．4．4更深的维度
1．4．5练习2：用Python计算欧几里得距离
1．4．6练习3：以距离的概念形成聚类
1．4．7练习4：从头开始实现k均值
1．4．8练习5：通过优化实现k均值
1．4．9聚类性能：轮廓分数
1．4．10练习6：计算轮廓分数
1．4．11活动1：实现k均值聚类
1．5小结
第2章分层聚类
2．1介绍
2．2聚类刷新
2．3分层的组织结构
2．4分层聚类简介
2．4．1执行分层聚类的步骤
2．4．2分层聚类的演练示例
2．4．3练习7：建立分层结构
2．5链接
2．5．1链接概述
2．5．2活动2：应用链接标准
2．6凝聚分层聚类与分裂分层聚类
2．6．1练习8：使用scikit-learn实现凝聚分层聚类
2．6．2活动3：比较k均值和分层聚类
2．7关于k均值与分层聚类
2．8小结
第3章邻域聚类方法和DBSCAN
3．1介绍
3．1．1聚类方法
3．1．2作为邻域的聚类
3．2关于DBSCAN
3．2．1DBSCAN深度
3．2．2DBSCAN算法的演练
3．2．3练习9：评估邻域半径大小的影响
3．2．4DBSCAN属性——邻域半径
3．2．5活动4：从头开始实现DBSCAN
3．2．6DBSCAN属性——最少点
3．2．7练习10：评估最少点阈值的影响
3．2．8活动5：比较DBSCAN与k均值和分层聚类
3．3DBSCAN与k均值和分层聚类
3．4小结
第4章降维和PCA
4．1介绍
4．1．1降维的定义
4．1．2降维的应用
4．1．3维数的诅咒
4．2降维技术
4．2．1概述
……
第5章自动编码器
第6章t分布随机邻域嵌入算法
第7章主题建模
第8章购物篮分析
第9章热点分析
附录

Python无监督机器学习最佳实践

库存： {{selectedSku?.stock}} 库存充足