Python無監(jiān)督學(xué)習(xí)實戰(zhàn)（影印版 英文版）

　　許多行業(yè)專家都認(rèn)為無監(jiān)督學(xué)習(xí)是人工智能的下一個前沿領(lǐng)域，可能是通用人工智能的關(guān)鍵。一方面，由于世界上大多數(shù)數(shù)據(jù)是無標(biāo)簽的，無法應(yīng)用傳統(tǒng)的有監(jiān)督學(xué)習(xí)；另一方面，無監(jiān)督學(xué)習(xí)可以應(yīng)用于未標(biāo)簽的數(shù)據(jù)集，以發(fā)現(xiàn)數(shù)據(jù)中深藏的有意義模式，這些模式對于人類來說幾乎不可能被發(fā)現(xiàn)。作者Ankur A.Patel為你展示了如何使用兩個簡單且可用于生產(chǎn)的Python框架實踐無監(jiān)督學(xué)習(xí)：Scikit-Learn和使用Keras的TensorFlow。通過代碼和實踐示例，數(shù)據(jù)科學(xué)家可以識別數(shù)據(jù)中難以找到的模式并獲得更深入的業(yè)務(wù)洞察，發(fā)現(xiàn)數(shù)據(jù)異常，執(zhí)行自動特征工程和模型選擇，以及生成合成數(shù)據(jù)集。你只需要一些Python編程和機器學(xué)習(xí)經(jīng)驗就可以開始閱讀《Python無監(jiān)督學(xué)習(xí)實戰(zhàn)（影印版 英文版）》了。·比較不同機器學(xué)習(xí)方法的優(yōu)缺點：監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)和強化學(xué)習(xí)·建立和管理端到端的機器學(xué)習(xí)項目·建立一個異常檢測系統(tǒng)以查出信用卡欺詐行為·將用戶分組為不同的同質(zhì)組·執(zhí)行半監(jiān)督學(xué)習(xí)·使用受限玻爾茲曼機開發(fā)電影推薦系統(tǒng)·使用生成對抗網(wǎng)絡(luò)來生成合成圖像

暫缺《Python無監(jiān)督學(xué)習(xí)實戰(zhàn)（影印版 英文版）》作者簡介