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