機器學習(實用案例解析) 机器学习:实用案例解析

康威 (Drew Conway), John Myles White

  • 出版商: 機械工業
  • 出版日期: 2013-04-01
  • 定價: $414
  • 售價: 8.5$352
  • 語言: 簡體中文
  • 頁數: 288
  • 裝訂: 平裝
  • ISBN: 7111417313
  • ISBN-13: 9787111417316
  • 相關分類: Machine Learning 機器學習
  • 立即出貨(限量) (庫存=1)

買這商品的人也買了...

商品描述

<內容簡介>

機器學習是電腦科學和人工智能中非常重要的一個研究領域,近年來,機器學習不但在電腦科學的眾多領域中大顯身手,而且成為一些交叉學科的重要支撐技術。Drew Conway編著的《機器學習(實用案例解析)》比較全面系統地介紹了機器學習的方法和技術,不僅詳細闡述了許多經典的學習方法,而且討論了一些有生命力的新理論、新方法。
    全書案例既有分類問題,也有回歸問題;既包含監督學習,也涵蓋無監督學習。《機器學習(實用案例解析)》討論的案例涉及分類、回歸、聚類、降維、最優化問題等。這些案例包括:垃圾郵件識別、智能收件箱、預測網頁訪問量、文本回歸、密碼破譯、構建股票市場指數、用投票記錄對美國參議員聚類、給用戶推薦r語言包、分析社交圖譜、給問題找到最佳演算法等。各章對原理的敘述力求概念清晰、表達準確,突出理論聯繫實際,富有啟發性,易於理解。在探索這些案例的過程中用到的基本工具就是r編程語言。
    《機器學習(實用案例解析)》主要內容:
    開發一個樸素貝葉斯分類器,僅僅根據郵件的文本信息來判斷郵件是否是垃圾郵件;使用線性回歸來預測因特網排名前1000網站的pv;利用文本回歸理解圖書中詞與詞之間的關係;通過嘗試破譯一個簡單的密碼來學習優化技術;利用無監督學習構建股票市場指數,用子衡量整體市場行情;根據美國參議院的投票情況,從統計學的角度對美國參議員聚類;通過k近鄰演算法向用戶推薦日語言包;利用twitter數據構建一個「你可能感興趣的人」的推薦系統;模型比較:給問題找到最佳演算法。

<目錄>

前言
第1章 使用R語言
  R與機器學習
第2章 數據分析
  分析與驗證
  什麼是數據
  推斷數據的類型
  推斷數據的含義
  數值摘要表
  均值、中位數、眾數
  分位數
  標準差和方差
  可視化分析數據
  列相關的可視化
第3章 分類:垃圾過濾
  非此即彼:二分類
  漫談條件概率
  試寫第一個貝葉斯垃圾分類器
第4章 排序:智能收件箱
  次序未知時該如何排序
  按優先級給郵件排序
  實現一個智能收件箱
第5章 回歸模型:預測網頁訪問量
  回歸模型簡介
  預測網頁流量
  定義相關性
第6章 正則化:文本回歸
  數據列之間的非線性關係:超越直線
  避免過擬合的方法
  文本回歸
第7章 優化:密碼破譯
  優化簡介
  嶺回歸
  密碼破譯優化問題
第8章 PCA:構建股票市場指數
  無監督學習
  主成分分析
第9章 MDS:可視化地研究參議員相似性
  基於相似性聚類
  如何對美國參議員做聚類
第10章 kNN:推薦系統
  k近鄰演算法
  R語言程序包安裝數據
第11章 分析社交圖譜
  社交網絡分析
  用黑客的方法研究Twitter的社交關係圖數據
  分析Twitter社交網絡
第12章 模型比較
  SVM:支持向量機
  演算法比較

參考文獻