许多行业专家认为,无人监督学习人工智能的下一个前沿,这可能是人工智能研究的关键,即所谓的一般人工智能。由于世界上大多数数据都没有标记,因此无法应用传统的监督学习;这就是无监督学习的用武之地。无监督学习可以应用于未标记的数据集,以发现埋藏在数据深处的有意义的模式,人类几乎不可能发现这些模式。
作者Ankur Patel使用两个简单的,生产就绪的Python框架 - scikit-learn和使用Keras的TensorFlow,提供了有关如何应用无监督学习的实用知识。通过提供实际操作示例和代码,您将识别难以发现的数据模式,获得更深入的业务洞察力,检测异常,执行自动特征工程和选择,以及生成合成数据集。您只需要编程和一些机器学习经验即可开始使用。
1