Aprendizaje no supervisado en Python

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.

En este capítulo, aprenderás 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 grupos cada vez más amplios, lo que da como resultado una visualización en forma de árbol de la jerarquía de grupos resultante. t-SNE mapea las muestras de datos en un espacio bidimensional para que se pueda visualizar la proximidad entre ellas.

La reducción dimensional resume un conjunto de datos utilizando sus patrones comunes. En este capítulo, aprenderás la técnica más fundamental de reducción de dimensiones, el «análisis de componentes principales» (PCA, por sus siglas en inglés). El PCA se utiliza a menudo antes del aprendizaje supervisado para mejorar el rendimiento y la generalización del modelo. También puede ser útil para el aprendizaje no supervisado. Por ejemplo, utilizarás una variante de PCA que te permitirá agrupar artículos de Wikipedia según su contenido.

En este capítulo, aprenderás una técnica de reducción de dimensiones denominada «factorización de matrices no negativas» (NMF, por sus siglas en inglés), 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 crear sistemas de recomendación que te permitan encontrar artículos similares para leer o artistas musicales que se ajusten a tu historial de reproducción.