基于Python的无监督学习

图书标准信息

• 作者 [美]安库·A.帕特 著
• 出版社 中国电力出版社
• 出版时间 2020-12
• 版次 1
• ISBN 9787519849498
• 定价 98.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 384页
• 字数 480千字

【内容简介】

本书主要内容有：比较不同机器学习方法的优缺点、监督学习、无监督学习和强化学习。从头到尾的建立和管理机器学习项目。建立一个异常检测系统，以捕捉信用卡交易的欺诈。将用户集群到不同的同构组中。执行半监督学习。使用受限制玻尔兹曼机开发电影推荐系统。使用生成对抗网络生成合成图像。

【作者简介】

Ankur A.Patel是7Park data数据科学部门的副总裁（隶属于Vista Equity Partners投资组合公司）。在7Park data，Ankur和他的数据科学团队使用替代数据为对冲基金和企业构建数据产品，并为企业客户开发机器学习服务（MLaaS）。

【目录】

目录 

前言 1 

第一部分 无监督学习基础 

第1 章 机器学习生态系统中的无监督学习 15 

机器学习基本术语 15 

基于规则(Rules-Based) 与机器学习 17 

监督学习与无监督学习 17 

监督学习的优缺点 18 

无监督学习的优缺点 19 

使用无监督学习改进机器学习的解决方案 20 

了解监督学习算法 23 

线性算法 25 

基于邻域的算法 26 

基于树的算法 28 

支持向量机 29 

神经网络 30 

了解无监督学习算法 30 

降维 30 

聚类 33 

特征提取 35 

无监督深度学习 36 

使用无监督学习解决序列数据问题 38 

利用无监督学习的强化学习 39 

半监督学习 40 

无监督学习的成功应用 40 

结论 42 

第2 章 完整机器学习项目 43 

环境设置 43 

版本控制：Git 43 

克隆本书的Git 存储库 44 

科学库：Anaconda 发行版Python 44 

神经网络：TensorFlow 和Keras 45 

梯度提升算法，版本1: XGBoost 45 

梯度提升算法，版本2：LightGBM 46 

聚类算法 46 

交互式计算环境：Jupyter Notebook 47 

数据概述 47 

数据准备 48 

数据采集 48 

数据研究 50 

生成特征矩阵和标签数组 53 

特征工程与特征选择 54 

数据可视化（Data Visualization） 55 

模型准备 56 

分离出训练和测试数据集 56 

选择成本函数 57 

创建k 折交叉验证集 58 

机器学习模型（第一部分） 58 

评估指标 62 

混淆矩阵（Confusion Matrix） 62 

精确率召回率曲线（Precision-Recall Curve） 63 

观察者操作特征曲线（receiver operating characteristic） 65 

机器学习模型（第二部分） 68 

模型2：随机森林(Random Forests) 68 

模型3：XGBoost 梯度提升机（gradient boosting machine） 71 

模型4：LightGBM 梯度提升机 74 

使用测试集对四个模型评估 77 

集成（Ensembles） 82 

最终算法选择 86 

完整生产系统 87 

结论 87 

第二部分 使用SciKit-Learn 进行无监督学习 

第3 章 降维 91 

降维的动因 91 

降维算法 96 

主成分分析（principal component analysis，PCA） 97 

PCA 概念 97 

PCA 练习 98 

增量PCA 103 

稀疏PCA 104 

核PCA 105 

奇异值分解 107 

随机投影 108 

等距映射 111 

多维标度法 112 

局部线性嵌入 113 

t- 分布随机邻域嵌入 114 

其他降维方法 115 

字典学习 116 

独立成分分析 118 

结论 119 

第4 章 异常检测 120 

信用卡欺诈检测 121 

准备数据 121 

定义异常评分函数 121 

定义评估指标 123 

定义绘图函数 124 

普通PCA 异常检测 124 

PCA 成分数量等于原始特征的数量 125 

寻找最优主成分数 128 

稀疏PCA 异常检测 130 

核PCA 异常检测 132 

高斯随机投影异常检测 135 

稀疏随机投影异常检测 137 

非线性异常检测 138 

字典学习异常检测 139 

ICA 异常检测 141 

在测试数据集上运行欺诈检测解决方案 143 

测试数据集上的普通PCA 异常检测 143 

测试集上的ICA 异常检测 145 

测试集上使用字典学习异常检测 146 

结论 148 

第5 章 聚类 149 

MNIST 数字集 150 

聚类算法 151 

k 均值 152 

k 均值惯性 153 

评估聚类结果 154 

k 均值精度 156 

k 均值和主成分的数量 158 

原始数据集上的k 均值 159 

层次聚类 161 

层次聚类方法 162 

树状图 163 

评估聚类结果 165 

密度聚类（DBSCAN） 168 

DBSCAN 算法 168 

HDBSCAN 170 

结论 172 

第6 章 分组分割 173 

借贷俱乐部数据 173 

数据准备 174 

将字符串格式转换为数字格式 176 

输入缺失值 176 

特征工程 179 

选择最终特征集并执行缩放 179 

指定用来评估的标签 179 

聚类的好处 181 

k 均值应用 183 

分层聚类应用 186 

HDBSCAN 应用程序 190 

结论 192 

第三部分 使用TensorFlow 和Keras 

无监督学习 

第7 章 自动编码器 195 

神经网络 196 

TensorFlow 198 

Keras 199 

自动编码器：编码器和解码器 199 

欠完备自动编码器 200 

过完备自动编码器 201 

密集与稀疏自动编码器 202 

降噪自动编码器 202 

变分自动编码器 203 

结论 204 

第8 章 自动编码器实践 205 

数据准备 205 

自动编码器的组成部分 208 

激活函数 209 

我们的第一台自动编码器 210 

损失函数 211 

优化器 211 

训练模型 212 

对测试集进行评估 214 

具有线性激活函数的两层欠完备自动编码器 216 

增加节点数 220 

添加更多隐藏层 222 

非线性自动编码器 223 

具有线性激活的过完备自动编码器 226 

具有线性激活、随机失活的过完备自动编码器 228 

具有稀疏、线性激活、随机失活的过完备自动编码器 231 

具有稀疏、线性激活、随机失活功能的过完备自动编码器 234 

使用噪声数据集 236 

降噪自动编码器 236 

二层、降噪、具备线性激活的欠完备自动编码器 237 

两层、降噪、具备线性激活的过完备自动编码器 240 

两层、降噪、ReLu 激活的过完备自动编码器 242 

结论 244 

第9 章 半监督学习 246 

数据准备 246 

监督模型 250 

无监督模型 252 

半监督模型 254 

监督和无监督的合力 257 

结论 258 

第四部分 使用TensorFlow 和Keras 

进行深度无监督学习 

第10 章 使用受限玻尔兹曼机器的推荐系统 261 

玻尔兹曼机器 262 

推荐系统 263 

协同过滤 263 

Netflix 奖 264 

MovieLens 数据集 264 

数据准备 265 

定义成本函数：均方误差 269 

进行基线实验 270 

矩阵分解 271 

一个潜在因子 272 

三个潜在因子 273 

五个潜在因子 274 

使用RBM 的协同过滤 274 

RBM 神经网络结构 275 

构建RBM 类的组件 277 

训练RBM 推荐系统 280 

结论 281 

第11 章 基于深度信念网络的特征检测 282 

深层信念网络详述 282 

MNIST 图像分类 283 

受限波尔兹曼机 285 

构建RBM 类的组件 286 

使用RBM 模型生成图像 289 

查看中间特征检测器 289 

为DBN 训练三个RBM 290 

检查特征检测器（Examine Feature Detectors） 293 

查看生成的图像 294 

完整DBN 297 

DBN 训练的工作原理 302 

训练DBN 302 

无监督学习如何帮助监督学习 304 

使用LightGBM 的图像分类器 312 

监督学习 312 

无监督和监督的解决方案 314 

结论 315 

第12 章 生成对抗网络 316 

生成对抗网络概念 316 

深度卷积生成对抗网络 317 

卷积神经网络 318 

重新思考DCGAN 323 

DCGAN 生成器 324 

DCGAN 的鉴别器 326 

鉴别器和对抗模型 327 

MNIST 数据集的DCGAN 328 

在MNIST 数据集执行DCGAN 330 

结论 332 

第13 章 时间序列聚类 333 

心电数据 334 

走进时间序列聚类 334 

心电图k 形时间序列聚类 335 

数据准备 336 

训练和评估 340 

在ECG5000 上使用k 形进行时间序列聚类 342 

数据准备 342 

训练和评估 346 

基于k 均值的ECG5000 时间序列聚类 348 

基于ECG5000 的分层DBSCAN 时间序列聚类 349 

比较时间序列聚类算法 350 

k 形 351 

k 均值 353 

HDBSCAN 354 

比较所有三种时间序列聚类方法 355 

结论 357 

第14 章 尾声 358 

监督学习 359 

无监督学习 359 

SciKit-Learn 360 

TensorFlow 和Keras 361 

强化学习 362 

今天最有希望的无监督学习领域 362 

无监督学习的未来 364 

结语 366 

作者介绍 367 

封面介绍 367