案例实战：DBSCAN实现无监督异常检测

无监督学习实战指南

本书系统讲解无监督学习核心技术，涵盖降维、聚类、异常检测与生成模型。通过Scikit-learn与TensorFlow/Keras实战案例，帮助读者从零构建可落地的AI系统。内容深入浅出，适合具备Python基础的开发者与数据科学家，是通往深度无监督学习的实用入门手册。

无监督学习：深入理解与实战应用

无监督学习是机器学习的一个重要分支，它的目标是从无标签的数据中挖掘有用的信息和结构。想象一下，你有一大堆客户数据，但是没有告诉他们属于哪一类，你能否自动把相似的客户归为一组？你能否找出那些行为异常的客户？你能否从海量商品中发现哪些商品经常被一起购买？这些问题的答案就是无监督学习。

无监督学习终极指南：一次性搞懂聚类算法，从K-Means到DBSCAN的全链路实战

从K-means的“球形簇分组”到DBSCAN的“密度区域识别”，聚类算法让我们能从无标签数据中挖掘出隐藏的结构。无论是为了理解数据、优化业务，还是探索人工智能的无监督学习边界，这些技术都能成为你的“数据洞察工具箱”。现在，不妨找一个你感兴趣的数据集（比如自己的消费记录、运动APP的健康数据），亲手用聚类算法给它“分个类”。无监督学习的大门，正为每一个敢于探索的你敞开。

Machine-数据库实战笔记

Machine_数据库实战笔记Machine_数据库实战笔记Machine_数据库实战笔记

数据挖掘原理与算法（书）

本书在详细介绍数据挖掘的原理的基础上，结合实际应用，详细讲解了数据挖掘的经典算法。