handson unsupervised learning

使用 Python 进行无监督学习实践

此存储库包含 O'Reilly Media, Inc. 书籍《使用 Python 进行无监督学习实践：如何从未标记数据构建应用机器学习解决方案》（作者：Ankur A. Patel）的代码。

官方图书网站：https://www.unsupervisedlearningbook.com/thebook

可在亚马逊购买：https://www.amazon.com/Hands-Unsupervised-Learning-Using-Python/dp/1492035645

可在 O'Reilly Safari 上获取：https://www.oreilly.com/library/view/hands-on-unsupervised-learning/9781492035633/

有关作者的更多信息：https://www.ankurapatel.io

发布更新

2021 年 5 月：添加了对 TensorFlow 2.x、Fashion MNIST 示例和 Tensorboard for Dimensionality Reduction 的支持。

书籍说明

许多行业专家认为无监督学习是人工智能的下一个前沿领域，它可能掌握着人工智能研究圣杯（即所谓的通用人工智能）的钥匙。由于世界上大部分数据都是无标签的，传统的监督学习无法应用；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，以发现深埋在数据中的有意义的模式，而人类几乎不可能发现这些模式。

作者 Ankur Patel 提供了有关如何使用两个简单、可用于生产的 Python 框架（scikit-learn 和 TensorFlow）应用无监督学习的实用知识。通过提供的实践示例和代码，您将识别数据中难以找到的模式并获得更深入的业务洞察、检测异常、执行自动特征工程和选择以及生成合成数据集。您所需要的只是编程和一些机器学习经验即可开始。

• 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
• 端到端设置和管理机器学习项目 - 从数据采集到构建模型以及在生产中实施解决方案的一切
• 使用降维算法来发现数据中最相关的信息，并构建异常检测系统来捕获信用卡欺诈
• 应用聚类算法将用户（例如贷款借款人）细分为不同且同质的组
• 使用自动编码器执行自动特征工程和选择
• 结合监督和无监督学习算法来开发半监督解决方案
• 使用受限玻尔兹曼机构建电影推荐系统
• 使用深度信念网络和生成对抗网络生成合成图像
• 对心电图等时间序列数据进行聚类
• 探索迄今为止无监督学习的成功及其充满希望的未来

谷歌合作实验室

如果您希望使用 Google Colab（而不是本地计算机），请按照以下说明在 Google Colab 上运行代码。

设置主要 Conda 环境

如果您希望在本地计算机上运行此存储库，请按照以下说明进行操作。

1. 如果您使用的是 macOS，请在终端中使用xcode-select --install安装 Xcode 命令行工具。

2. 根据您的操作系统安装 Python 3.8 的 Miniforge 发行版。如果您使用的是 Windows，您可以根据需要选择 Python 3.8 的 Anaconda 发行版，而不是 Miniforge 发行版。

3. 要获得 NVIDIA GPU 支持，请安装 CUDA 11.0。此功能仅适用于选定的 NVIDIA GPU。

4. 设置新的 Anaconda 环境并根据您的操作系统按照这些说明进行操作。

对于Windows ：

 ```
conda env create -f environment_windows.yml
conda activate unsupervisedLearning
pip install -r requirements_windows.txt
```

对于macOS ：

 ```
conda env create -f environment_mac.yml
conda activate unsupervisedLearning
pip install -r requirements_mac.txt
```

5. 从 Google Drive 下载数据（文件太大，无法在 Github 上存储和访问）。

    https://drive.google.com/drive/folders/1TQVOPUU4tVOYZvdpbxUo6uOCh0jvWNhv?usp=sharing
   

6. 使用 Jupyter 运行笔记本。

    jupyter notebook
   

7. 如果您在设置、代码或其他方面遇到任何问题或错误，请给作者发电子邮件：[email protected]。

为 macOS Conda 环境设置 TensorFlow

请按照以下说明为 macOS 设置 TensorFlow。

对于macOS ：

 ```
conda env create -f environment_tensorflow_mac.yml
conda activate tensorflow_mac
pip install -r requirements_tensorflow_mac.txt

For Apple Silicon Mac (M1):
	pip install --upgrade --force --no-dependencies https://github.com/apple/tensorflow_macos/releases/download/v0.1alpha3/tensorflow_macos-0.1a3-cp38-cp38-macosx_11_0_arm64.whl https://github.com/apple/tensorflow_macos/releases/download/v0.1alpha3/tensorflow_addons_macos-0.1a3-cp38-cp38-macosx_11_0_arm64.whl

For Intel Mac:
	pip install --upgrade --force --no-dependencies https://github.com/apple/tensorflow_macos/releases/download/v0.1alpha3/tensorflow_macos-0.1a3-cp38-cp38-macosx_11_0_x86_64.whl https://github.com/apple/tensorflow_macos/releases/download/v0.1alpha3/tensorflow_addons_macos-0.1a3-cp38-cp38-macosx_11_0_x86_64.whl 
```

如果您遇到问题，请参阅适用于 macOS 的 TensorFlow 指南或联系我们。