[WEEK2] Unsupervised Learning in Python

두번째 주가 끝났다. 비지도학습과 클러스터링, 차원 축소 방법에 대해서 배웠다.

수학적인 내용이 많아서 '역시 수학이..' 싶었던 일주일이였고, 마지막에 추천시스템까지 다뤄서 쉽지 않은 코스였다.

수학 공부해야지 + 이번주는 NMF 적용할 수 있는 데이터셋 찾아서 연습. (아마도 영화 줄거리 위키..?)

 

1. Clustering for dataset exploration

- Unsupervised learning, clustering (K Means)

- Evaluating a clustering

- Transforming features for better clustering

 

2. Visualization with hierarchical clustering and t-SNE

- Visualizing hierarchies (dendrogram)

- Cluster labels in hierarchical clustering

- Different linakge methods

- t-SNE for 2-dimensional maps

 

3. Decorrelating your data and dimension reduction

- Decorrelation = pearson correlation = 0

- Visualizing the PCA transformation

- Intrinsic dimension <- can be determined by PCA

- PCA feature -> Informative data, noisy data

- Dimension reduction with PCA

- tf-idf word-frequency array

 

4. Discovering interpretable features

- NMF (Non-negative matrix factorization)

- NMF learns interpretable parts (PCA X)

- Building recommender systems using NMF