Python 无可视化数据分析的数据集中的模式识别

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，以便机器自己识别模式，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、年份或周的销售模式，特定学生在学校的出勤模式，每个月、年份、周浏览网站的模式

因此，这样的模式需要由机器识别（我想是通过无监督学习），而不需要使用图形、图表或任何形式的可视化

---

你能告诉我这是否可行吗？如果是，那么怎么做？

如果我以正确的方式理解了您的问题，您就有了时间序列数据（即某个日期时间点上的某个值），您希望在其中找到一些模式

如果你是这个领域的新手，你想使用非常简单的方法，你肯定会理解，我建议你写一个基于百分比变化的非常简单的脚本-这将使你的结果正常化，并创建模式

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

如果有任何机会，你的起始点可以等于零wrapt，在尝试除外。

---

然后，您应该确定您的模式应该持续多长时间，以及您希望如何选择对您有意义/重要的模式。所有的想法和代码示例都可以在这里找到

这里可能重复@Nils！进行了编辑以使其更清晰。谢谢。没有完全回答我的问题，但让我明白了一些事情。