写给程序员的数据挖掘实践指南

图书标准信息

• 作者 Ron、Zacharski、扎哈尔斯基 著；王斌 译
• 出版社 人民邮电出版社
• 出版时间 2015-11
• 版次 01
• ISBN 9787115336354
• 定价 59.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 309页
• 字数 403千字
• 正文语种 简体中文
• 原版书名 A Programmer's Guide to Data Mining

【内容简介】

数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。大多数数据挖掘的教材都专注于介绍理论基础，因而往往难以理解和学习。
本书是介绍写给程序员的一本数据挖掘指南，可以帮助读者动手实践进行数据挖掘、集体智慧并构建推荐系统。全书共8章，介绍了数据挖掘的基本知识和理论、协同过滤、内容过滤及分类、算法评估、朴素贝叶斯、非结构化文本分类以及聚类等内容。全书采用做中学的方式，用生动的图示、大量的表格、简明的公式，实用的Python代码示例，阐释数据挖掘的知识和技能。每章还给出了习题和练习，帮助读者巩固所学的知识。
本书专注适合对数据挖掘、数据分析和推荐系统感兴趣的程序员及相关领域的从业者阅读参考；同时，本书也可以作为一本轻松有趣的数据挖掘课程教学参考书。

【作者简介】

Ron Zacharski是一名软件开发工程师，曾在威斯康辛大学获美术学士学位，之后还在明尼苏达大学获得了计算机科学博士学位。博士后期间，他在爱丁堡大学研究语言学。正是基于广博的学识，他不仅在新墨西哥州立大学的计算研究实验室工作，期间还接触过自然语言处理相关的项目，而该实验室曾被《连线》杂志评为机器翻译研究领域翘楚。除此之外，他还曾教授计算机科学、语言学、音乐等课程，是一名博学多才的科技达人。

王斌  博士，中国科学院信息工程研究所研究员，博士生导师，中国科学院大学兼职教授，研究方向为信息检索、自然语言处理与数据挖掘。主持国家973、863、国家自然科学基金、国际合作基金、部委及企业合作等课题近30项，发表学术论文130余篇，领导研制的多个系统上线使用，曾获国家科技进步二等奖和北京市科学技术二等奖各一项。现为中国中文信息学会理事、信息检索、社会媒体处理、语言与知识计算等多个专业委员会委员、《中文信息学报》编委、中国计算机学会高级会员及中文信息处理专业委员会委员。多次担任SIGIR、ACL、CIKM等会议的程序委员会委员。《信息检索导论》、《大数据：互联网大规模数据挖掘与分布式处理》、《机器学习实战》、《Mahout实战》译者。2006年起在中国科学院大学讲授《现代信息检索》研究生课程，累计选课人数已超过1500人。迄今培养博士、硕士研究生近40名。

【目录】

目　　录
目录

第1章  数据挖掘简介及本书使用方法1
欢迎来到21世纪2
并不只是对象5
TB级挖掘是现实不是科幻7
本书体例9
第2章  协同过滤—爱你所爱14
如何寻找相似用户15
曼哈顿距离16
欧氏距离16
N维下的思考18
一般化22
Python中数据表示方法及代码24
计算曼哈顿距离的代码25
用户的评级差异28
皮尔逊相关系数30
在继续之前稍微休息一下35
最后一个公式—余弦相似度36
相似度的选择40
一些怪异的事情43
k近邻44
Python的一个推荐类47
一个新数据集54
第3章  协同过滤—隐式评级及基于物品的过滤56
隐式评级57
调整后的余弦相似度67
Slope One算法76
Slope One算法的粗略描述图77
基于Python的实现83
加权Slope One：推荐模块88
MovieLens数据集90
第4章  内容过滤及分类—基于物品属性的过滤93
一个简单的例子98
用Python实现101
给出推荐的原因102
一个取值范围的问题104
归一化105
改进的标准分数109
归一化 vs． 不归一化111
回到Pandora112
体育项目的识别119
Python编程123
就是它了133
汽车MPG数据135
杂谈137
第5章  分类的进一步探讨—算法评估及kNN139
训练集和测试集140
10折交叉验证的例子142
混淆矩阵146
一个编程的例子148
Kappa统计量154
近邻算法的改进159
一个新数据集及挑战163
更多数据、更好的算法以及一辆破公共汽车168
第6章  概率及朴素贝叶斯—朴素贝叶斯170
微软购物车174
贝叶斯定理177
为什么需要贝叶斯定理185
i100 i500188
用Python编程实现191
共和党 vs． 民主党197
数字205
Python实现214
这种做法会比近邻算法好吗221
第7章  朴素贝叶斯及文本—非结构化文本分类226
一个文本正负倾向性的自动判定系统228
训练阶段232
第8章  聚类—群组发现256
k-means聚类281
SSE或散度289
小结303
安然公司305