前        言

无监督学习是数据科学中一个重要的分支，其目标是训练用于学习数据集结构的模型，并为用户提供关于新样本的有用信息。在许多不同的业务部门（如市场营销、商业智能、战略等）中，无监督学习一直在帮助管理者根据定性和定量（最重要的）方法做出最佳决策。在数据变得越来越普遍且存储成本不断下降的今天，分析真实、复杂数据集的可能性有助于将传统的商业模式转变为新的、更准确的、响应也更迅速、更有效的模式。因为要关注所有方法的优缺点，并增加对每个特定领域的最佳潜在策略的了解，所以数据科学家对很多可能性还没有一个清晰的认识。本书不是一个详尽的资源（实际上也不可能有），而是一种参考，让你开始探索这个世界，为你提供可以立即使用和可供评估的不同方法。我希望不同背景的读者都能够学到有价值的东西来改善业务，并且希望你对无监督学习这个有趣的主题有更多的研究！