機器學習Web應用
作 者:[意] Andrea Isoni 愛索尼克 著 杜春曉 譯
定 價:59
出 版 社:人民郵電出版社
出版日期:2017年08月01日
頁 數:212
裝 幀:簡裝
ISBN:9787115458520
●章 Python機器學習實踐入門 11.1 機器學習常用概念 11.2 數據的準備、處理和可視化—NumPy、pandas和matplotlib教程 61.2.1 NumPy的用法 61.2.2 理解pandas模塊 231.2.3 matplotlib教程 321.3 本書使用的科學計算庫 351.4 機器學習的應用場景 361.5 小結 36第2章 無監督機器學習 372.1 聚類算法 372.1.1 分布方法 382.1.2 質心點方法 402.1.3 密度方法 412.1.4 層次方法 442.2 降維 522.3 奇異值分解(SVD) 572.4 小結 58第3章 有監督機器學習 593.1 模型錯誤評估 593.2 廣義線性模型 603.2.1 廣義線性模型的概率解釋 633.2.2 k近鄰 633.3 樸素貝葉斯 643.3.1 多項式樸素貝葉斯 653.3.2 高斯樸素貝葉斯 663.4 決策樹 673.5 支持向量機 703.6 有監督學習方法的對比 753.6.1 回歸問題 753.6.2 分類問題 803.7 隱馬爾可夫模型 843.8 小結 93第4章 Web挖掘技術 944.1 Web結構挖掘 954.1.1 Web爬蟲 954.1.2 索引器 954.1.3 排序—PageRank算法 964.2 Web內容挖掘 97句法解析 974.3 自然語言處理 984.4 信息的後處理 1084.4.1 潛在狄利克雷分配 1084.4.2 觀點挖掘(情感分析) 1134.5 小結 117第5章 推薦繫統 1185.1 效用矩陣 1185.2 相似度度量方法 1205.3 協同過濾方法 1205.3.1 基於記憶的協同過濾 1215.3.2 基於模型的協同過濾 1265.4 CBF方法 1305.4.1 商品特征平均得分方法 1315.4.2 正則化線性回歸方法 1325.5 用關聯規則學習,構建推薦繫統 1335.6 對數似然比推薦方法 1355.7 混合推薦繫統 1375.8 推薦繫統評估 1395.8.1 均方根誤差(RMSE)評估 1405.8.2 分類效果的度量方法 1435.9 小結 144第6章 開始Django之旅 1456.1 HTTP—GET和POST方法的 基礎 1456.1.1 Django的安裝和服務器的搭建 1466.1.2 配置 1476.2 編寫應用—Django 最重要的功能 1506.2.1 model 1506.2.2 HTML網頁背後的URL和view 1516.2.3 URL聲明和view 1546.3 管理後臺 1576.3.1 shell接口 1586.3.2 命令 1596.3.3 RESTful應用編程接口(API) 1606.4 小結 162第7章 電影推薦繫統Web應用 1637.1 讓應用跑起來 1637.2 model 1657.3 命令 1667.4 實現用戶的注冊、登錄和 登出功能 1727.5 信息檢索繫統(電影查詢) 1757.6 打分繫統 1787.7 推薦繫統 1807.8 管理界面和API 1827.9 小結 184第8章 影評情感分析應用 1858.1 影評情感分析應用用法 簡介 1858.2 搜索引擎的選取和應用的 代碼 1878.3 Scrapy的配置和情感分析 應用代碼 1898.3.1 Scrapy的設置 1908.3.2 Scraper 1908.3.3 Pipeline 1938.3.4 爬蟲 1948.4 Django model 1968.5 整合Django和Scrapy 1978.5.1 命令(情感分析模型和刪除查詢結果) 1988.5.2 情感分析模型加載器 1988.5.3 刪除已執行過的查詢 2018.5.4 影評情感分析器—Django view和HTML代碼 2028.6 PageRank:Django view和 算法實現 2068.7 管理後臺和API 2108.8 小結 212
內容簡介
機器學習可用來處理由用戶產生的、數量不斷增長的Web數據。本書講解如何用Python語言、Django框架開發一款Web商業應用,以及如何用一些現成的庫和工具(sklearn、scipy、nltk和Django等)處理和分析應用所生成或使用的數據。本書不僅涉及機器學習的核心概念,還介紹了如何將數據部署到用Django框架開發的Web應用,包括Web、文檔和服務器端數據的挖掘和推薦引擎的搭建方法。本書適合有志於成為或剛剛成為數據科學家的讀者學習,也適合對機器學習、Web數據挖掘等技術實踐感興趣的讀者參考閱讀。
[意] Andrea Isoni 愛索尼克 著 杜春曉 譯
Andrea Isoni博士是一名數據科學家、物理學家,他在軟件開發領域有著豐富的經驗,在機器學習算法和技術方面,擁有廣博的知識。此外,他還有多種語言的使用經驗,如Python、C/C++、Java、JavaScript、C#、SQL、HTML。他還用過Hadoop框架。譯者簡介杜春曉,英語語言文學學士,軟件工程碩士。其他譯著有《Python數據挖掘入門與實踐》《Python數據分析實戰》和《電子達人——我的本Raspberry Pi入門手冊》等。新浪微博:@宜_生。
"