掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
買過本商品的人還買了
機器學習-實用案例解析 版權信息
- ISBN：9787111417316
- 條形碼：9787111417316 ; 978-7-111-41731-6
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
機器學習-實用案例解析 本書特色
《機器學習：實用案例解析》是機器學習和數據挖掘領域的經典圖書，基礎理論與實踐完美的結合，是一部邏輯緊密、內容詳實，適合所有相關技術人員的參考書。 《機器學習：實用案例解析》兩名作者都具有豐富的數據分析、處理工作經驗，是機器學習實踐技術方面的積極實踐者。 “O'Reilly Radar博客有口皆碑。” ——Wired “O'Reilly憑借一系列（真希望當初我也想到了）非凡想法建立了數百萬美元的業務。” ——Business 2.0 “O'Reilly Conference是聚集關鍵思想領袖的絕對典范。” ——CRN “一本O'Reilly的書就代表一個有用、有前途、需要學習的主題。” ——Irish Times “Tim是位特立獨行的商人，他不光放眼于長遠、廣闊的視野并且切實地按照Yogi Berra的建議去做了：'如果你在路上遇到岔路口，走小路（岔路）。'回顧過去Tim似乎每一次都選擇了小路，而且有幾次都是一閃即逝的機會，盡管大路也不錯。” ——Linux Journal
機器學習-實用案例解析 內容簡介
當今各行業，尤其是互聯網，數據規模越來越大，要從中有效地發現模式來提高生產力，用傳統的方式已經幾乎不可能，只能借助計算機來完成諸多使命。因此，機器學習這一新興的學科變得越來越重要，它已經在搜索、推薦、數據挖掘等多個領域閃耀光芒。機器學習是一門交叉學科，內容涉及概率論、統計學、高等數學、計算機科學等多門學科。該學科致力于設計一種讓計算機具有“學習”能力的算法，通過發現經驗數據中隱藏的模式，實現對未知數據的預測。 大數據時代是機器學習*美好的時代，因為數據不再是問題，各類問題都可以收集到海量的數據。但是，對于很多人來說，這一門交叉學科本身卻神秘而陌生，對于沒有系統學習過相關基礎學科的人來說尤其感到“高不可攀”。如今已出版的機器學習相關書籍中，很多都有這個特點：公式多，晦澀難懂。這讓很多程序員出身的人望而卻步。然而，在**次讀到本書的英文版時，譯者就徹底相信：機器學習完全可以講解得通俗易懂，讓知識的傳遞實現“潤物細無聲”。 本書秉承的原則是：實踐出真知，只要多動手，沒有攻克不了的技術難題。因此作者預期的閱讀對象是如電腦黑客般的人，要求對技術有發自內心的求知欲和好奇心，愿意自己動手而非紙上談兵。全書精心選擇了12個機器學習案例，由淺入深，面面俱到，既有基礎知識（如數據分析），也有當前熱門的社交網站推薦案例。書中的每一個案例都由作者娓娓道來，逐一剖析關鍵算法的代碼，沒有絲毫學究氣息，觸動每個機器學習初學者的內心*深處。 書中所有算法都采用r語言實現。r語言是一門用于統計學的開源腳本語言，基于它的開源性，有來自世界各地的開源擁護者貢獻的各種統計學相關的程序包，穩定且方便，尤其是它對數據可視化的支持，更是一柄利器，既輕巧又實用。書中所有源代碼和數據在原書的官方網站上都可以免費下載。在閱讀過程中，猶如作者親至身側，為你講解代碼和思路，為你排除錯誤和優化效果。 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。所選擇的案例妙趣橫生，如分析ufo目擊記錄、破譯密碼、預測股票、分析美國參議員“結黨”的情況，等等，這里就不“劇透”了，大家自己去享受學習的樂趣吧。 書中12個案例之間的依賴關系不是特別強（除r語言基礎知識外，其余某幾章僅有個別知識點之間存在依賴性），可以像連續劇一樣，逐一播放，也可以像一個個小品一般，挑感興趣的內容分別播放。學習完這些案例之后，相信你會窺見機器學習的一斑，然后再根據自己的實際情況更深入地學習。 本書翻譯工作由三位來自互聯網世界的工程師通力協作完成，其中，來自新浪微博的陳開江負責完成前言及第1～4章的翻譯；來自阿里b2b的劉逸哲負責完成第5、8、9和11章的翻譯；來自阿里一淘的孟曉楠負責完成第6、7、10和12章的翻譯；同時，全書審校工作由來自北京理工大學的羅森林教授義務承擔。 本書能夠得以出版，首先要感謝機械工業出版社的吳怡編輯，是她給了我們三位工程師這個學習知識并傳遞知識的機會，她經驗豐富，在翻譯過程中給予了我們許多建設性的指導意見。其次，要感謝羅森林教授，他在百忙之中為我們擔任全書的審校工作，從而讓國內的機器學習者能感受到這本書應有的魅力。*后，我們要感謝互聯網，因為譯者與本書的緣分始于互聯網，從看到原書、報名翻譯、組成翻譯團隊、翻譯過程中的討論，所有這樣都是通過互聯網完成的。 雖然經過羅森林教授認真審校并且給我們提出了寶貴意見，但是由于譯者本身水平有限，書中譯文勢必還存在不妥甚至錯誤之處，懇請機器學習界的廣大前輩、同仁們不吝賜教，促使我們繼續為大家更好地傳遞先進技術，讓更多機器學習愛好者成為機器學習的黑客。 我們堅信集體智慧是再高的個人智慧都無法企及的，因此真誠希望大家一起來貢獻自己的智慧。三位譯者的微博分別為：http://weibo.com/kaijiangidan（陳開江，@刑無刀）、http://weibo.com/liuyizhe10（劉逸哲，@劉逸哲）、http://weibo.com/u/1911115643（孟曉楠，@xiaonanmeng）。無論是對翻譯本身有任何意見或建議，還是對機器學習方面有心得，都歡迎大家到我們的微博上交流、切磋，我們一起貢獻自己的智慧，在集體智慧中互相學習，共同進步。
機器學習-實用案例解析 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
什么是數據
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系：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
基于相似性聚類
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的社交關系圖數據
分析twitter社交網絡
第12章 模型比較
svm：支持向量機
算法比較
參考文獻
展開全部
機器學習-實用案例解析 相關資料
“易學易懂，用處很大。” —alexandre alves，oracle cep的架構師 “精心織構的代碼完美地詮釋出機器學習的核心要義。” —patrick toohey，mettler-toledo hi-speed軟件工程師 “實例很棒！可用于任何領域！” —john griffin，hibernate search in action一書的合作者 “敘述循序漸進，巧妙地闡述了算法之間的差異。” —stephen mckamey，isomer innovations技術實踐總監
機器學習-實用案例解析 作者簡介
Drew Conway，機器學習專家，擁有豐富的數據分析、處理工作經驗。目前主要利用數學、統計學和計算機技術研究國際關系、沖突和恐怖主義等。他曾作為研究員在美國情報和國防部門供職數年。他擁有紐約大學政治系博士學位，曾為多種雜志撰寫文章，是機器學習領域的著名學者。 John Myles White，機器學習專家，擁有豐富的數據分析、處理工作經驗。目前主要從理論和實驗的角度來研究人類如何做出決定，同時還是幾個流行的R語言程序包的主要維護者，包括ProjectTemplate和log4r。他擁有普林斯頓大學哲學系博士學位，曾為多家技術雜志撰稿，發表過許多關于機器學習的論文，并在眾多國際會議上發表演講。 羅森林，博士，教授，博導。現任北京理工大學信息系統及安全對抗實驗中心主任、專業責任教授。國防科技工業局科學技術委員會成員；《中國醫學影像技術雜志》、《中國介入影像與治療學》編委會委員；全國大學生信息安全技術專題邀請賽專家組副組長；中國人工智能學會智能信息安全專業委員會委員等。主要研究方向為信息安全、數據挖掘、媒體計算、中文信息處理等。負責或參加完成國家自然科學基金、國家科技支撐計劃、863計劃、國家242計劃等省部級以上項目40余項。已發表學術論文90余篇，出版著作8部，出版譯著1部，獲授權專利3項。 陳開江，新浪微博搜索部研發工程師，曾獨立負責微博內容反垃圾系統、微博精選內容挖掘算法、自助客服系統（包括自動回復、主動挖掘、輿情監測）等項目，目前主要從事社交挖掘、推薦算法研究、機器學習、自然語言處理相關工作，研究興趣是社交網絡的個性化推薦。 劉逸哲，阿里巴巴，CBU基礎平臺部搜索與推薦團隊核心技術與query分析方向負責人，機器學習技術領域及圈子負責人。曾任中國雅虎相關性團隊、自然語言處理團隊算法工程師；AvePoint.inc開發工程師，從事企業級搜索引擎開發。研究興趣是機器學習、自然語言處理及個性化推薦等算法在大規模數據上的應用。 孟曉楠，一淘廣告技術，阿里非搜索廣告算法負責人，負責用戶行為分析、建模與細分，RTB競價算法，展示廣告CTR預估與SEM優化。曾工作于網易杭州研究院，參與過分布式全文檢索系統和網易博客產品的數據挖掘算法開發。研究興趣是計算廣告技術、機器學習、大數據技術、信息檢索等。
書友推薦
- >
名家帶你讀魯迅:朝花夕拾
- >
山海經
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
回憶愛瑪儂
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
月亮虎
- >
朝聞道
- >
經典常談
本類暢銷
