1. Apprendre
    2. /
  2. Cours
    3. /
  3. Aprendizaje no supervisado en Python
  • 1

    Agrupación para la exploración de conjuntos de datos

    Gratuit

    Aprende a descubrir los grupos subyacentes (o "clústeres") en un conjunto de datos. Al final de este capítulo, podrás agrupar empresas utilizando sus cotizaciones bursátiles, y distinguir diferentes especies agrupando sus medidas.

  • 2

    Visualización con agrupación jerárquica y t-SNE

    En este capítulo, conocerás dos técnicas de aprendizaje no supervisado para la visualización de datos, la agrupación jerárquica y t-SNE. La agrupación jerárquica fusiona las muestras de datos en clústeres cada vez más gruesos, dando lugar a una visualización en árbol de la jerarquía de clústeres resultante. t-SNE mapea las muestras de datos en un espacio 2d para poder visualizar la proximidad de las muestras entre sí.

  • 3

    Decorrelación de tus datos y reducción de dimensiones

    La reducción dimensional resume un conjunto de datos utilizando sus patrones comunes. En este capítulo, conocerás la más fundamental de las técnicas de reducción de dimensiones, el "Análisis de Componentes Principales" ("PCA"). PCA se utiliza a menudo antes del aprendizaje supervisado para mejorar el rendimiento y la generalización de los modelos. También puede ser útil para el aprendizaje no supervisado. Por ejemplo, emplearás una variante de PCA ¡que te permitirá agrupar artículos de Wikipedia por su contenido!

  • 4

    Descubrir rasgos interpretables

    En este capítulo, conocerás una técnica de reducción de dimensiones llamada "Factorización de matrices no negativas" ("NMF") que expresa las muestras como combinaciones de partes interpretables. Por ejemplo, expresa los documentos como combinaciones de temas, y las imágenes en términos de patrones visuales habituales. También aprenderás a utilizar NMF para construir sistemas de recomendación que puedan encontrarte artículos similares para leer, ¡o artistas musicales que coincidan con tu historial de escucha!

Initializing

Exercice

Agrupación Wikipedia parte I

En el vídeo has visto que TruncatedSVD es capaz de realizar PCA en matrices dispersas en formato csr_matrix, como las matrices de frecuencia de palabras. Combina tus conocimientos deSVD truncado y k-medias para agrupar algunas páginas populares de Wikipedia. En este ejercicio, construye la canalización. En el siguiente ejercicio, lo aplicarás a la matriz de frecuencia de palabras de algunos artículos de Wikipedia.

Crea un objeto canalización formado por unSVD truncado seguido de KMeans. (Esta vez, hemos calculado previamente la matriz de frecuencia de palabras por ti, por lo que no es necesario un TfidfVectorizer).

El conjunto de datos de Wikipedia con el que vas a trabajar se obtuvo de aquí.

Instructions

100 XP
  • Importa:
    • TruncatedSVD de sklearn.decomposition.
    • KMeans de sklearn.cluster.
    • make_pipeline de sklearn.pipeline.
  • Crea una instancia de TruncatedSVD llamada svd con n_components=50.
  • Crea una instancia de KMeans llamada kmeans con n_clusters=6.
  • Crea una canalización llamada pipeline formada por svd y kmeans.