Обучение без учителя на Python

В этой главе вы познакомитесь с двумя методами обучения без учителя для визуализации данных: иерархической кластеризацией и t-SNE. Иерархическая кластеризация объединяет наблюдения в последовательно укрупняющиеся кластеры, формируя древовидную структуру. t-SNE отображает данные в двумерное пространство, позволяя визуально оценить близость между наблюдениями.

Снижение размерности позволяет описать набор данных через его наиболее характерные закономерности. В этой главе вы изучите один из фундаментальных методов снижения размерности — метод главных компонент (PCA). PCA часто применяется перед обучением с учителем, чтобы повысить качество и обобщающую способность модели. Он также полезен в задачах обучения без учителя: например, с его помощью вы сможете кластеризовать статьи Википедии по содержанию.

В этой главе вы познакомитесь с методом снижения размерности — неотрицательным матричным разложением (NMF), который представляет наблюдения как комбинации интерпретируемых составляющих. Например, он описывает документы как сочетания тем, а изображения — через часто встречающиеся визуальные паттерны. Вы также узнаете, как применять NMF для построения рекомендательных систем, способных предлагать похожие статьи или музыкальных исполнителей на основе ваших предпочтений.