Hands-On Unsupervised Learning Using Python - Ankur A. Patel.pdf
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。
文件下载
评论信息
其他资源
- 安卓Android串口调试助手
- osmconvert64.exe
- ESP32_IDF_函数解析-GPIO篇
- ASP音乐网站的设计与实现(源代码+论文)
- 在线考试系统（源码+毕业设计）
- kerberos的java实现
- I210 MAC EEPROM（包含 Eeupdate.exe）
- 清华大学编译原理decaf实验pa1
- python 战棋游戏六边形地图代码实现
- android蓝牙4.0透传功能
- 去哪儿网前端架构师司徒正美：如何挑选适合的前端框架？
- 汽车涂装课件.pptx
- SpringSecurity实现表单安全登录、图形验证的校验、记住我时长控制机制、第三方登录
- 小程序音乐APP源码
- ANDROID EXFAT
- 方正G41T-CM3 原版BIOS刷新工具
- MFC学生简单信息管理程序设计文档
- 王桂林老师 cocos2dx课件.pdf
- Hybris Trail学习指南_中文
- pycharm标准英化包（原始）
- 图解TCP IP 第五版 完整版 带书签 pdf
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明