Python 实现数据科学中的无监督挖掘技术

Python 实现数据科学中的无监督挖掘技术

依赖 Python 的 NumPy、 SciPy、 matplotlib 和 scikit-learn 等库

我们会了解到几种距离度量开始，了解不同的距离度量和空间对于构建数据科学应用是非常关键的。任何数据集都是一系列的点，这些点都属于某个特定空间。我们可以把空间定义为一个普遍的点的集合，数据集里的点就落在这个集合中。最常用的空间是欧几里德空间，在欧氏空间里，点是实数向量，向量的长度就是它的维度数。

核方法，它是机器学习中非常重要的一个主题，帮助我们使用线性方法解决非线性数据问题。我们主要介绍核映射的概念。

对一些聚类算法的讲解，聚类是将一系列点分隔到不同的逻辑组里的处理过程。例如一个超市的场景，商品被定性地按种类进行分组，而我们要研究的是如何进行定量处理。

学习向量量化，它是一种无监督技术

使用距离度量

很多数据挖掘任务，计算距离和相似度度量非常关键。本节将研究一些距离度量的实践，下一节则讨论相似度度量。在研究距离度量之前，我们先定义一下距离测度。

作为数据科学家，我们经常接触不同维度的点或向量。在数学层面上，一系列的点定义了一个空间，一个空间里的距离度量被定义为函数 d(x,y) ，它把空间里的 x 和 y 两个点作为参数，返回一个实数作为输出，这个距离函数输出的实数，要满足以下几点规则。

1. 距离函数的输出必须是非负的，d(x,y)≥0。
2. 仅当 x