Python 中的无监督学习

设想您手里有一组客户数据，包含年龄、所在地、财务历史等多种特征，您希望找出其中的模式并将他们分成簇。或者，您有一组文本（如 Wikipedia 页面），希望根据内容将其划分为不同类别。这就是无监督学习：之所以称为"无监督"，是因为您并未通过某个预测任务来引导或监督模式发现，而是从未标注的数据中挖掘潜在结构。无监督学习涵盖机器学习中的多种技术，从聚类到降维再到矩阵分解。在本课程中，您将学习无监督学习的基础，并使用 scikit-learn 和 SciPy 实现核心算法。您将学会如何对未标注的数据集进行聚类、变换、可视化与洞察提取，并在课程最后构建一个推荐系统，为用户推荐受欢迎的音乐艺术家。视频带有实时字幕，您可以点击视频左下角的 "Show transcript" 展开查看。 课程术语表位于右侧的资源部分。若要获得 CPE 学分，您需要完成课程并在合格评估中达到 70% 的得分。您可以点击右侧的 CPE 学分提示进入评估。