登录
首页 集体智慧编程txt,chm,pdf,epub,mobi下载作者: Toby Segaran 出版社: 电子工业出版社 原作名: Programming Collective Intelligence 译者:莫映/王开福 出版年: 2015-3 页数: 356 定价: 79.00元 装帧: 平装 ISBN: 9787121254437 内容简介 · · · · · ·《集体智慧编程》以机器学习与计算统计为主题背景,专门讲述如何挖掘和分析Web 上的数据和资源,如何分析用户体验、市场营销、个人品味等诸多信息,并得出有用的结论,通过复杂的算法来从Web 网站获取、收集并分析用户的数据和反馈信息,以便创造新的用户价值和商业价值。全书内容翔实,包括协作过滤技术（实现关联产品推荐功能）、集群数据分析（在大规模数据集中发掘相似的数据子集）、搜索引擎核心技术（爬虫、索引、查询引擎、PageRank算法等）、搜索海量信息并进行分析统计得出结论的优化算法、贝叶斯过滤技术（垃圾邮件过滤、文本过滤）、用决策树技术实现预测和决策建模功能、社交网络的信息匹配技术、机器学习和人工智能应用等。 《集体智慧编程》是Web 开发者、架构师、应用工程师等的绝佳选择。 作者简介 · · · · · ·Toby Segaran是Genstruct公司的软件开发主管,这家公司涉足计算生物领域,他本人的职责是设计算法,并利用数据挖掘技术来辅助了解药品机理。Toby Segaran还为其他几家公司和数个开源项目服务,帮助它们从收集到的数据当中分析并发掘价值。除此以外,Toby Segaran还建立了几个免费的网站应用,包括流行的tasktoy和Lazybase。他非常喜欢滑雪与品酒,其博客地址是blog.kiwitobes.com,现居于旧金山。 目录 · · · · · ·前言.................................................................................................................... viii第1章 集体智慧导言......................................................................................... 1 什么是集体智慧......................................................................................................................2 什么是机器学习......................................................................................................................3 机器学习的局限......................................................................................................................4 真实生活中的例子..................................................................................................................5 · · · · · ·() 前言.................................................................................................................... viii 第1章 集体智慧导言......................................................................................... 1 什么是集体智慧......................................................................................................................2 什么是机器学习......................................................................................................................3 机器学习的局限......................................................................................................................4 真实生活中的例子..................................................................................................................5 学习型算法的其他用途..........................................................................................................5 第2章 提供推荐................................................................................................ 7 协作型过滤..............................................................................................................................7 搜集偏好.................................................................................................................................8 寻找相近的用户......................................................................................................................9 推荐物品...............................................................................................................................15 匹配商品...............................................................................................................................17 构建一个基于del.icio.us的链接推荐系统..........................................................................19 基于物品的过滤....................................................................................................................22 使用MovieLens数据集........................................................................................................25 基于用户进行过滤还是基于物品进行过滤........................................................................27 练习.......................................................................................................................................28 第3章 发现群组.............................................................................................. 29 监督学习和无监督学习........................................................................................................29 单词向量...............................................................................................................................30 分级聚类...............................................................................................................................33 绘制树状图............................................................................................................................38 列聚类...................................................................................................................................40 K-均值聚类............................................................................................................................42 针对偏好的聚类....................................................................................................................44 以二维形式展现数据............................................................................................................49 有关聚类的其他事宜............................................................................................................53 练习.......................................................................................................................................53 第4章 搜索与排名.......................................................................................... 54 搜索引擎的组成....................................................................................................................54 一个简单的爬虫程序............................................................................................................56 建立索引...............................................................................................................................58 查询.......................................................................................................................................63 基于内容的排名....................................................................................................................64 利用外部回指链接................................................................................................................69 从点击行为中学习................................................................................................................74 练习.......................................................................................................................................84 第5章 优化..................................................................................................... 86 组团旅游...............................................................................................................................87 描述题解...............................................................................................................................88 成本函数...............................................................................................................................89 随机搜索...............................................................................................................................91 爬山法...................................................................................................................................92 模拟退火算法........................................................................................................................95 遗传算法...............................................................................................................................97 真实的航班搜索..................................................................................................................101 涉及偏好的优化..................................................................................................................106 网络可视化..........................................................................................................................110 其他可能的应用场合..........................................................................................................115 练习.....................................................................................................................................116 第6章 文档过滤.............................................................................................117 过滤垃圾信息......................................................................................................................117 文档和单词..........................................................................................................................118 对分类器进行训练..............................................................................................................119 计算概率..............................................................................................................................121 朴素分类器..........................................................................................................................123 费舍尔方法..........................................................................................................................127 将经过训练的分类器持久化..............................................................................................132 过滤博客订阅源..................................................................................................................134 对特征检测的改进..............................................................................................................136 使用Akismet........................................................................................................................138 替代方法..............................................................................................................................139 练习.....................................................................................................................................140 第7章 决策树建模........................................................................................ 142 预测注册用户......................................................................................................................142 引入决策树..........................................................................................................................144 对树进行训练......................................................................................................................145 选择最合适的拆分方案......................................................................................................147 以递归方式构造树..............................................................................................................149 决策树的显示......................................................................................................................151 对新的观测数据进行分类..................................................................................................153 决策树的剪枝......................................................................................................................154 处理缺失数据......................................................................................................................156 处理数值型结果..................................................................................................................158 对住房价格进行建模..........................................................................................................158 对“热度”评价进行建模..................................................................................................161 什么时候使用决策树..........................................................................................................164 练习.....................................................................................................................................165 第8章 构建价格模型..................................................................................... 167 构造一个样本数据集..........................................................................................................167 k-最近邻算法.......................................................................................................................169 为近邻分配权重..................................................................................................................172 交叉验证..............................................................................................................................176 不同类型的变量..................................................................................................................178 对缩放结果进行优化..........................................................................................................181 不对称分布..........................................................................................................................183 使用真实数据——eBay API...............................................................................................189 何时使用k-最近邻算法......................................................................................................195 练习.....................................................................................................................................196 第9章 高阶分类：核方法与SVM ................................................................. 197 婚介数据集..........................................................................................................................197 数据中的难点......................................................................................................................199 基本的线性分类..................................................................................................................202 分类特征..............................................................................................................................205 对数据进行缩放处理..........................................................................................................209 理解核方法..........................................................................................................................211 支持向量机..........................................................................................................................215 使用LIBSVM......................................................................................................................217 基于Facebook的匹配........................................................................................................219 练习.....................................................................................................................................225 第10章 寻找独立特征................................................................................... 226 搜集一组新闻......................................................................................................................227 先前的方法..........................................................................................................................231 非负矩阵因式分解..............................................................................................................232 结果呈现..............................................................................................................................240 利用股票市场的数据..........................................................................................................243 练习.....................................................................................................................................248 第11章 智能进化.......................................................................................... 250 什么是遗传编程..................................................................................................................250 将程序以树形方式表示......................................................................................................253 构造初始种群......................................................................................................................257 测试题解..............................................................................................................................259 对程序进行变异..................................................................................................................260 交叉.....................................................................................................................................263 构筑环境..............................................................................................................................265 一个简单的游戏..................................................................................................................268 更多可能性..........................................................................................................................273 练习.....................................................................................................................................276 第12章 算法总结.......................................................................................... 277 贝叶斯分类器......................................................................................................................277 决策树分类器......................................................................................................................281 神经网络..............................................................................................................................285 支持向量机..........................................................................................................................289 k-最近邻...............................................................................................................................293 聚类.....................................................................................................................................296 多维缩放..............................................................................................................................300 非负矩阵因式分解..............................................................................................................302 优化.....................................................................................................................................304 附录A：第三方函数库..................................................................................... 309 附录B：数学公式............................................................................................. 316 索引.................................................................................................................. 323 · · · · · · () |
下载地址
作者： 黑鸡长老
深入浅出
通俗易懂
很不错的书
作者让我脑洞大开