数据集中的模式识别，无需数据分析的可视化

Question

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？

模式为：我在不同月份、年份或周内的销售模式，特定学生在学校的出勤模式，每月、每年、每周浏览的网站上的模式......

因此需要机器识别此类模式（我猜是通过无监督学习），而不使用图形、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？

Answer 1

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（即某个日期时间点的某物的价值），您希望在其中找到一些模式。

如果您是该领域的新手，并且您想使用您肯定会理解的非常简单的方法，我建议您根据百分比变化编写非常简单的脚本 - 这将使您的结果正常化并创建模式。

x = ((float(currentPoint) - startPoint) / abs(startPoint)) * 100.00  

如果您的 startPoint 有可能等于零，请将其包装在 try-except 中。 然后你应该确定你的模式应该有多长，以及你想如何选择模式对你来说是重要的/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/