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 折 $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
立即出貨(限量) (庫存=1)
買這商品的人也買了...
-
$860$774 -
$229機器學習基礎教程 (A First Course in Machine Learning)
-
$352機器學習實戰 (Machine Learning in Action)
-
$320$288 -
$301機器學習導論(原書第2版) (Introduction to Machine Learning, 2/e)
-
$250機器學習系統設計 (Building Machine Learning Systems with Python)
-
$560Python 自然語言處理 (Natural Language Processing with Python)
-
$580$493 -
$590$502 -
$352機器學習實踐指南:案例應用解析
-
$620$484 -
$250視覺大數據基礎與應用
-
$250視覺機器學習20講
-
$480$408 -
$400$340 -
$352樹莓派Python編程入門與實戰
-
$359$341 -
$690$538 -
$403機器學習
-
$3,960LTE Small Cell Optimization: 3GPP Evolution to Release 13 (Hardcover)
-
$1,600$1,600 -
$454機器學習實踐指南:案例應用解析(第2版)
-
$301神經網絡與深度學習
-
$403機器學習導論 (An Introduction to Machine Learning)
-
$454機器學習技術與實戰:醫學大數據深度應用
相關主題
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
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