拥抱机器学习，用Python实现无监督学习算法，构建高效且实用的解决方案

Key Features

包含多个示例和讲解

全面揭示了无监督学习的内涵与实现技巧

Book Description机器学习是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。无监督学习是机器学习中的一种学习方式，是数据科学的一个重要分支，常用于数据挖掘领域，通过构建模型来为业务决策提供依据。 本书通过Python语言讲解无监督学习，全书内容包括10章，前面9章由浅入深地讲解了无监督学习的基础知识、聚类的基础知识、高级聚类、层次聚类、软聚类和高斯混合模型、异常检测、降维和分量分析、无监督神经网络模型、生成式对抗网络和自组织映射，第10章以问题解答的形式对前面9章涉及的问题给出了解决方案。 本书适合数据科学家、机器学习从业者和普通的软件开发人员阅读，通过学习本书介绍的无监督学习理论和Python编程方法，读者能够在业务实践中获得有价值的参考。What you will learn

了解无监督学习的实践技巧

熟练掌握一些列机器学习算法

能够对机器学习的各个概念有更好的把握

Who this book is for

本书是写给统计学相关人员、数据科学家、机器学习开发者和深度学习实践者的，读者可以通过书中的示例和讲解，了解无监督学习的实践技巧，熟练掌握一些列机器学习算法，并能够对机器学习的各个概念有更好的把握。通过实施最常见的无监督学习算法并优化参数，为来自所有业务领域的不同利益相关者提供有价值的见解。

]]>