文件名称：HandsOn-Unsupervised-Learning-with-Python:Packt出版的《在Python上进行无监督的动手学习》
文件大小：57KB
文件格式：ZIP
更新时间：2024-06-16 22:12:52
Python
使用Python进行无监督的动手学习 这是Packt出版的“ 的代码库。 使用Scikit-Learn，TensorFlow等实现机器学习和深度学习模型 这本书是关于什么的？ 无监督学习是关于使用原始的，未加标签的数据，并将学习算法应用于该数据，以帮助机器预测其结果。 通过这本书，您将探索无监督学习的概念，以对大型数据进行聚类并重复分析，直到使用Python找到所需的结果为止。 本书涵盖以下激动人心的功能： 使用群集算法来识别和优化自然的数据组 探索实际的高级非线性和分层聚类 模糊c均值和高斯混合模型的软标签分配 通过密度估计检测异常 使用神经网络模型执行主成分分析 如果您觉得这本书适合您，请立即获取！ 说明和导航 所有代码都组织在文件夹中。 例如，Chapter02。 该代码将如下所示： X_train = faces['images'] X_train = (2.0 *
【文件预览】：
HandsOn-Unsupervised-Learning-with-Python-master
----Chapter01()
--------supervised_helloworld.py(823B)
--------unsupervised_helloworld.py(2KB)
----Chapter05()
--------gaussian_mixture.py(5KB)
--------generative_gaussian_mixture.py(5KB)
--------fuzzy_cmeans.py(2KB)
--------bayesian_gaussian_mixture.py(6KB)
----Chapter04()
--------water_treatment_plant_analysis.py(4KB)
--------connectivity_constraints.py(3KB)
--------dendrogram.py(2KB)
----Chapter03()
--------spectral_clustering.py(2KB)
--------absenteeism_at_work_analysis.py(6KB)
--------mean_shift.py(2KB)
--------online_clustering.py(2KB)
--------k_medoids.py(2KB)
----Chapter07()
--------fastica.py(2KB)
--------sparse_pca.py(1KB)
--------lda.py(2KB)
--------whitening.py(1KB)
--------pca.py(2KB)
--------kernel_pca.py(1KB)
--------factor_analysis.py(1KB)
--------nnmf.py(1KB)
----Chapter02()
--------vq_gaussian.py(2KB)
--------breast_cancer_analysis.py(7KB)
--------distance_test.py(1015B)
--------inertia_blobs.py(1KB)
--------knn.py(2KB)
--------vq_image.py(3KB)
--------distance_test_2.py(475B)
----LICENSE(1KB)
----README.md(5KB)
----Chapter06()
--------isolation_forest.py(2KB)
--------kddcup99_anomaly_detection.py(4KB)
--------histogram.py(1KB)
--------one_class_svm.py(2KB)
--------kernel_density_estimation.py(3KB)
----Chapter09()
--------dcgan.py(8KB)
--------wgan.py(8KB)
--------som.py(3KB)
----Chapter08()
--------denoising_autoencoder.py(6KB)
--------rubner-tavan-network.py(2KB)
--------sparse_autoencoder.py(6KB)
--------deep_convolutional_autoencoder.py(5KB)
--------unsupervised_dbn.py(2KB)
--------sanger_network.py(3KB)
--------variational_autoencoder.py(6KB)