![](/c49/30/1060737055.jpg)
出版社:機械工業 ISBN:9787111417316 商品編碼:1060737055 開本:16 出版時間:2013-04-01 代碼:69 作者:康威,譯者:陳開江,劉逸哲,孟曉楠
" 基本信息 - 商品名稱:機器學習(實用案例解析)
- 作者:(美)康威|譯者:陳開江//劉逸哲//孟曉楠
- 代碼:69
- 出版社:機械工業
- ISBN號:9787111417316
其他參考信息 - 出版時間:2013-04-01
- 印刷時間:2013-04-01
- 版次:1
- 印次:1
- 開本:16開
- 包裝:平裝
- 頁數:288
編輯推薦語 Drew Conway編著的《機器學習(實用案例解析)》比較全面繫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。本書為機器學習技術提供了一些非常棒的案例研究。 內容提要 機器學習是計算機科學和人工智能中非常重要的一個研究領域,近年 來,機器學習不但在計算機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)》 比較全面繫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、*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*佳 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互聯網排名前1000網站的pv;利用文 本回歸理解圖書中詞與詞之間的關繫;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”的推薦繫統;模型比較:給問題找到*佳算法。 目錄 前言 **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**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繫:**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 **0章 kNN:推薦繫統 k近鄰算法 R語言程序包安裝數據 **1章 分析社交圖譜 社交網絡分析 用黑客的方法研究Twitter的社交關繫圖數據 分析Twitter社交網絡 **2章 模型比較 SVM:支持向量機 算法比較 參考文獻
" |