【新书】没有标签的数据：实用的无监督机器学习

书籍简介

《没有标签的数据》揭示了处理未标注数据的关键算法和模型的所有实践实现，充满了案例研究，展示了如何将每项技术应用于现实世界的问题。 在《没有标签的数据》中，您将学习到： * 机器学习和无监督学习的基本构建块和概念 * 结构化和非结构化数据（如文本和图像）的数据清理 * 聚类算法，如K-means、层次聚类、DBSCAN、高斯混合模型和谱聚类 * 降维方法，如主成分分析（PCA）、SVD、多维尺度法和t-SNE * 关联规则算法，如aPriori、ECLAT、SPADE * 无监督时间序列聚类、高斯混合模型和统计方法 * 构建神经网络，如生成对抗网络（GANs）和自编码器 * 使用Python工具和库，如scikit-learn、numpy、Pandas、matplotlib、Seaborn、Keras、TensorFlow和Flask * 如何解释无监督学习的结果 * 如何为您的问题选择合适的算法 * 如何将无监督学习部署到生产环境 * 机器学习解决方案的维护与更新

《没有标签的数据》介绍了数学技巧、关键算法和Python实现，帮助您构建针对无标签数据的机器学习模型。您将发现无监督机器学习的方法，这些方法可以解开原始、现实世界的数据集，并支持您的业务做出正确的战略决策。 这本书不仅仅是理论的堆砌，它架起了复杂数学和实践Python实现之间的桥梁，涵盖了从模型开发到生产部署的全过程。您将发现机器学习和无监督学习的业务用例，并访问相关的研究论文，帮助您完善知识体系。 技术概述

生成式AI、预测算法、欺诈检测等许多分析任务都依赖廉价且丰富的无标签数据。无标签数据的机器学习——即无监督学习——将原始文本、图像和数字转化为有关客户的洞察、精确的计算机视觉和用于训练AI模型的高质量数据集。本书将向您展示如何实现这一点。 关于本书

《没有标签的数据》是一本全面介绍无监督学习的指南，深入探讨其数学基础、算法和实际应用。书中通过零售、航空和银行的实际案例，结合完整的Python代码进行讲解。您将学习到核心技术，如聚类和降维，并深入探讨自编码器和生成对抗网络（GANs）等高级主题。通过本书，您将了解如何将无监督学习应用于商业场景，并学会如何开发端到端的机器学习模型。 书中内容

精通无监督学习算法 * 实际的业务应用 * 精心策划AI训练数据集 * 探索自编码器和GANs的应用

读者对象

本书面向数据科学专业人士，假设读者具备Python和基础机器学习的知识。 作者简介

Vaibhav Verdhan 是一位资深的数据科学专业人士，拥有在大型制药公司从事数据科学项目的丰富经验。 目录

第1部分

机器学习简介 1. 聚类技术 1. 降维方法

第2部分

4. 关联规则

5. 聚类

6. 降维

7. 无监督学习在文本数据中的应用 第3部分

8. 深度学习：基础概念

9. 自编码器

10. 生成对抗网络（GANs）、生成式AI和ChatGPT

11. 端到端模型部署 附录A 数学基础 购买打印版书籍，您将免费获得电子书（PDF或ePub格式），并获得在线liveBook格式的访问权限（包括其AI助手，可以用任何语言回答您的问题）。

书评

“这是一本很好的无监督学习技术入门书。” —— Richard Vaughan “用Python深入探讨无监督学习的极佳书籍！” —— Todd Cook 封底文字

《没有标签的数据》展示了处理无标签数据的关键算法和模型的所有实践实现，充满了案例研究，展示了如何将每项技术应用于现实世界的问题。在《无监督学习的模型与算法》中，您将学习到： * 机器学习和无监督学习的基本构建块和概念 * 结构化和非结构化数据（如文本和图像）的数据清理 * 无监督时间序列聚类、高斯混合模型和统计方法 * 构建神经网络，如生成对抗网络（GANs）和自编码器 * 如何解释无监督学习的结果 * 如何为您的问题选择合适的算法 * 如何将无监督学习部署到生产环境 * 机器学习和无监督学习的业务用例

《无监督学习的模型与算法》介绍了数学技巧、关键算法和Python实现，帮助您构建针对无标签数据的机器学习模型。您将发现无监督机器学习方法，这些方法能够解开原始、现实世界的数据集，并支持您的业务做出明智的战略决策。本书避免陷入理论的泥潭——它架起了复杂数学和实践Python实现之间的桥梁，涵盖了从模型开发到生产部署的全过程。