机器学习
正版新书 新华官方库房直发 可开电子发票
￥ 43.47 6.3折 ￥ 69 全新
仅1件
江苏南京
认证卖家担保交易快速发货售后保障
作者(美)康威
出版社机械工业出版社
ISBN9787111417316
出版时间2013-04
版次1
装帧平装
开本16开
纸张胶版纸
页数320页
定价69元
货号SC:9787111417316
上书时间2024-10-03
商品详情
- 品相描述：全新
- 全新正版 提供发票
- 商品描述
-
作者简介:
Drew Conway，机器学习专家，拥有丰富的数据分析、处理工作经验。目前主要利用数学、统计学和计算机技术研究靠前关系、冲突和恐怖主义等。他曾作为研究员在美国情报和国防部门供职数年。他拥有纽约大学政治系博士学位，曾为多种杂志撰写文章，是机器学习领域的有名学者。
John Myles White，机器学习专家，拥有丰富的数据分析、处理工作经验。目前主要从理论和实验的角度来研究人类如何做出决定，同时还是几个流行的R语言程序包的主要维护者，包括ProjectTemplate和log4r。他拥有普林斯顿大学哲学系博士学位，曾为多家技术杂志撰稿，发表过许多关于机器学习的论文，并在众多靠前会议上发表演讲。
译者介绍
陈开江，新浪微博搜索部研发工程师，曾独立负责微博内容反垃圾系统、微博精选内容挖掘算法、自助客服系统（包括自动回复、主动挖掘、舆情监测）等项目，目前主要从事社交挖掘、推荐算法研究、机器学习、自然语言处理相关工作，研究兴趣是社交网络的个性化推荐。
刘逸哲，阿里巴巴，CBU基础平台部搜索与推荐团队核心技术与query分析方向负责人，机器学习技术领域及圈子负责人。曾任中国雅虎相关性团队、自然语言处理团队算法工程师；AvePoint.inc开发工程师，从事企业级搜索引擎开发。研究兴趣是机器学习、自然语言处理及个性化推荐等算法在大规模数据上的应用。
孟晓楠，一淘广告技术，阿里非搜索广告算法负责人，负责用户行为分析、建模与细分，RTB竞价算法，展示广告CTR预估与SEM优化。曾工作于网易杭州研究院，参与过分布式全文检索系统和网易博客产品的数据挖掘算法开发。研究兴趣是计算广告技术、机器学习、大数据技术、信息检索等。
主编推荐:
《机器学习：实用案例解析》是机器学习和数据挖掘领域的经典图书，基础理论与实践完美的结合，是一部逻辑紧密、内容详实，适合所有相关技术人员的参考书。
《机器学习：实用案例解析》两名作者都具有丰富的数据分析、处理工作经验，是机器学习实践技术方面的积极实践者。
媒体评论:
“O’Reilly Radar博客有口皆碑。”
——Wired
“O’Reilly凭借一系列（真希望当初我也想到了）非凡想法建立了数百万美元的业务。”
——Business 2.0
“O’Reilly Conference是聚集关键思想优选者的保证典范。”
——CRN
“一本O’Reilly的书就代表一个有用、有前途、需要学习的主题。”
——Irish Times
“Tim是位特立独行的商人，他不光放眼于很长远、很广阔的视野并且切实地按照Yogi Berra的建议去做了：‘如果你在路上遇到岔路口，走小路（岔路）。’回顾过去Tim似乎每一次都选择了小路，而且有几次都是一闪即逝的机会，尽管大路也不错。”
——Linux Journal
内容简介:
机器学习是计算机科学和人工智能中很好重要的一个研究领域，近年来，机器学习不但在计算机科学的众多领域中大显身手，而且成为一些交叉学科的重要支撑技术。Drew Conway编著的《机器学习(实用案例解析)》比较全面系统地介绍了机器学习的方法和技术，不仅详细阐述了许多经典的学习方法，而且讨论了一些有生命力的新理论、新方法。
全书案例既有分类问题，也有回归问题；既包含监督学习，也涵盖无监督学习。《机器学习(实用案例解析)》讨论的案例涉及分类、回归、聚类、降维、很优化问题等。这些案例包括：垃圾邮件识别、智能收件箱、预测网页访问量、文本回归、密码破译、构建股票市场指数、用投票记录对美国参议员聚类、给用户推荐r语言包、分析社交图谱、给问题找到很好算法等。各章对原理的叙述力求概念清晰、表达准确，突出理论联系实际，富有启发性，易于理解。在探索这些案例的过程中用到的基本工具就是r编程语言。
《机器学习(实用案例解析)》主要内容：
开发一个朴素贝叶斯分类器，仅仅根据邮件的文本信息来判断邮件是否是垃圾邮件；使用线性回归来预测互联网排名前1000网站的pv；利用文本回归理解图书中词与词之间的关系；通过尝试破译一个简单的密码来学习优化技术；利用无监督学习构建股票市场指数，用子衡量整体市场行情；根据美国参议院的投票情况，从统计学的角度对美国参议员聚类；通过k近邻算法向用户推荐日语言包；利用twitter数据构建一个“你可能感兴趣的人”的推荐系统；模型比较：给问题找到很好算法。
目录:
前言
第1章 使用R语言
R与机器学习
第2章 数据分析
分析与验证
什么是数据
推断数据的类型
推断数据的含义
数值摘要表
均值、中位数、众数
分位数
标准差和方差
可视化分析数据
列相关的可视化
第3章 分类：垃圾过滤
非此即彼：二分类
漫谈条件概率
试写第一个贝叶斯垃圾分类器
第4章 排序：智能收件箱
次序未知时该如何排序
按优先级给邮件排序
实现一个智能收件箱
第5章 回归模型：预测网页访问量
回归模型简介
预测网页流量
定义相关性
第6章 正则化：文本回归
数据列之间的非线性关系：超越直线
避免过拟合的方法
文本回归
第7章 优化：密码破译
优化简介
岭回归
密码破译优化问题
第8章 PCA：构建股票市场指数
无监督学习
主成分分析
第9章 MDS：可视化地研究参议员相似性
基于相似性聚类
如何对美国参议员做聚类
第10章 kNN：推荐系统
k近邻算法
R语言程序包安装数据
第11章 分析社交图谱
社交网络分析
用黑客的方法研究Twitter的社交关系图数据
分析Twitter社交网络
第12章 模型比较
SVM：支持向量机
算法比较
参考文献
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价