使用机器学习如何在不使用数据可视化的情况下识别数据中的模式，以便机器自行识别模式，以便我可以使用这些模式进行进一步分析，而无需自己分析可视化？
模式:我在不同月份、年份或周的销售模式，特定学生在学校的出勤模式，每月、每年、每周浏览的网站的模式......
因此，这样的模式需要由机器识别(我猜是通过无监督学习)，并且不使用图形、图表或任何类型的可视化
你能告诉我这是否可行吗？如果是，那么如何？
最佳答案
如果我以正确的方式理解您的问题，您将拥有数据的时间序列(即某个日期时间点上某些内容的值)，您希望在其中找到一些模式。
如果您是这个领域的新手，并且您想使用非常简单的方法(您肯定会理解)，我建议您根据百分比变化编写非常简单的脚本 - 这将使您的结果标准化并创建模式。
x = ((float(currentPoint) - startPoint) / abs(startPoint)) * 100.00
如果有任何机会你的startPoint可以等于try- except中的零包装。 然后，您应该确定您的模式应该有多长，以及您希望如何选择该模式对您来说是重要的/重要的。所有的想法和代码示例都可以在这里找到 https://pythonprogramming.net/machine-learning-pattern-recognition-algorithmic-forex-stock-trading/
关于python - 没有可视化数据分析的数据集中的模式识别，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/45797452/