クラスタリングと次元削減：教師なしで整理する

正解のないデータを機械が自分で整理する教師なし学習を学びます。基礎層では、似たものをまとめるクラスタリングと、情報を圧縮する次元削減の大枠を身近な例でつかみます。深掘り層では、k-means法の初期値依存性を補うk-means++、ウォード法とデンドログラム、ばらつきを手がかりにする主成分分析と特異値分解、t-SNEや多次元尺度構成法まで説明できるようになります。