【Udemy中英字幕】Cluster Analysis and Unsupervised Machine Learning in Python

Python 中的聚类分析和无监督机器学习

用于模式识别、数据挖掘、k 均值聚类、层次聚类和 KDE 的数据科学技术。

讲师：Lazy Programmer Team

双语IT资源独家Udemy付费课程，独家中英文字幕，配套资料齐全！

用不到1/10的价格，即可享受同样的高品质课程，且可以完全拥有，随时随地都可以任意观看和分享。

聚类分析是无监督机器学习和数据科学的主要内容。

它对于数据挖掘和大数据非常有用，因为它会自动查找数据中的模式，而不需要标签，这与监督机器学习不同。

在现实环境中，您可以想象机器人或人工智能并不总是能够获得最佳答案，或者可能没有最佳正确答案。您希望机器人能够自行探索世界，并通过寻找模式来学习东西。

您是否想知道我们如何获取在监督机器学习算法中使用的数据？

我们似乎总是有一个漂亮的 CSV 或表格，其中包含 X 和相应的 Y。

如果你自己没有参与获取数据，你可能不会想到这一点，但必须有人制作这些数据！

这些“Y”必须来自某个地方，而且很多时候都涉及体力劳动。

有时，您无法访问此类信息，或者获取此类信息不可行或成本高昂。

但您仍然想了解数据的结构。如果您正在进行数据分析，那么数据中的自动化模式识别将是无价的。

这就是无监督机器学习发挥作用的地方。

在本课程中，我们首先讨论聚类。这就是我们尝试创建自己的标签，而不是在标签上进行训练的地方！我们将通过将看起来相似的数据分组在一起来做到这一点。

我们将讨论两种聚类方法：k-means 聚类和层次聚类。

接下来，因为在机器学习中我们喜欢讨论概率分布，所以我们将讨论高斯混合模型和核密度估计，其中我们讨论如何“学习”一组数据的概率分布。

一个有趣的事实是，在某些条件下，高斯混合模型和 k 均值聚类是完全相同的！我们将证明这是怎么回事。

我们在本课程中讨论的所有算法都是机器学习和数据科学的主要内容，因此，如果您想知道如何通过数据挖掘和模式提取自动查找数据中的模式，而不需要有人进行手动工作标记该数据，那么本课程适合您。

本课程的所有材料都是免费的。您可以在Windows、Linux 或 Mac上使用简单的命令下载并安装Python、Numpy 和 Scipy。

本课程重点关注“如何构建和理解”，而不仅仅是“如何使用”。任何人在阅读一些文档后都可以在 15 分钟内学会使用 API。这不是“记住事实”，而是 通过实验“亲眼目睹”。它将教您如何可视化模型内部发生的情况。如果您想要的 不仅仅是 机器学习模型的肤浅了解，那么本课程适合您。

“如果你不能实施它，你就没有理解它”

建议的先决条件：

我应该按什么顺序学习您的课程？：

请注意：
如果你有能力，请务必支持课程的原创作者，这是他们应得的报酬！
本站收取的费用，仅用来维持网站正常运行的必要支出，从本站下载任何内容，说明你已经知晓并同意此条款。