Python聚类分析与无监督学习
Cluster Analysis and Unsupervised Machine Learning in Python
📊💻学习Python中无监督机器学习算法的重要性！本课程重点讲解聚类分析和无监督学习，帮助你处理大量未标记的数据。适合想要提高数据分析技能的人士。
课程内容
🤖在现实世界中，机器人或人工智能并不总是能够获得最佳答案，也可能无法找到最佳答案。我们希望它能够自我探索世界，仅通过寻找模式来学习事物。
💡监督学习算法中使用的数据从何而来？我们通常会得到一个带有 X 和相应的 Y 的不错的 CSV 或表格。但是这些数据不是自动出现的，而是需要人工收集和标记。
⛏️但某些情况下可能无法获取或成本太高。无监督学习可以帮助我们自动识别数据中的模式，而无需标记。
👥聚类是无监督学习的一个重要领域。我们通过将看起来相似的数据组合在一起尝试创造自己的标签。
🧩本课程将介绍两种聚类方法：k-means 聚类和层次聚类。接下来，我们将讨论高斯混合模型和核密度估计，以了解如何”学习”数据的概率分布。
📊有趣的是，在某些条件下，高斯混合模型和 k-means 聚类是完全相同的！我们将解释原因。
🎓如果想了解机器学习和数据科学如何自动发现数据中的模式，本课程将非常适合您。在 Windows、Linux 或 Mac 上，您可以下载和安装 Python、Numpy 和 Scipy。
❗课程重点是”如何构建和理解”，而不仅仅是”如何使用”。我们通过实验来亲眼证明结论。