机器学习系统设计
￥ 7.6 1.6折 ￥ 49 九五品
仅1件
作者里彻特 (Willi Richert), 科埃略 (Luis
出版社人民邮电出版社
ISBN9787115356826
出版时间2014-07
版次1
装帧平装
开本16开
纸张胶版纸
页数210页
字数99999千字
定价49元
上书时间2024-12-16
商品详情
- 品相描述：九五品
- 商品描述
-
基本信息
书名:机器学习系统设计
定价：49.00元
作者:里彻特 (Willi Richert), 科埃略 (Luis Pedro Coelho), 刘峰
出版社：人民邮电出版社
出版日期：2014-07-01
ISBN：9787115356826
字数：334000
页码：210
版次：1
装帧：平装
开本：16开
商品重量：
编辑推荐
大量Python库的参考用丰富的案例，细析机器学习技巧与方法一个基于场景的教程，带你承袭正确的思维方式（数据探索）
内容提要
目录
章 Python机器学习入门 1 1.1 梦之队：机器学习与Python 1 1.2 这本书将教给你什么（以及不会教什么） 2 1.3 遇到困难的时候怎么办 3 1.4 开始 4 1.4.1 NumPy、SciPy和Matplotlib简介 4 1.4.2 安装Python 5 1.4.3 使用NumPy和SciPy智能高效地处理数据 5 1.4.4 学习NumPy 5 1.4.5 学习SciPy 9 1.5 我们个（极小的）机器学习应用 10 1.5.1 读取数据 10 1.5.2 预处理和清洗数据 11 1.5.3 选择正确的模型和学习算法 12 1.6 小结 20 第2章 如何对真实样本分类 22 2.1 Iris数据集 22 2.1.1 步是可视化 23 2.1.2 构建个分类模型 24 2.2 构建更复杂的分类器 28 2.3 更复杂的数据集和更复杂的分类器 29 2.3.1 从Seeds数据集中学习 29 2.3.2 特征和特征工程 30 2.3.3 邻近分类 30 2.4 二分类和多分类 33 2.5 小结 34 第3章 聚类：寻找相关的帖子 35 3.1 评估帖子的关联性 35 3.1.1 不应该怎样 36 3.1.2 应该怎样 36 3.2 预处理：用相近的公共词语个数来衡量相似性 37 3.2.1 将原始文本转化为词袋 37 3.2.2 统计词语 38 3.2.3 词语频次向量的归一化 40 3.2.4 删除不重要的词语 41 3.2.5 词干处理 42 3.2.6 停用词兴奋剂 44 3.2.7 我们的成果和目标 45 3.3 聚类 46 3.3.1 K均值 46 3.3.2 让测试数据评估我们的想法 49 3.3.3 对帖子聚类 50 3.4 解决我们初的难题 51 3.5 调整参数 54 3.6 小结 54 第4章 主题模型 55 4.1 潜在狄利克雷分配（LDA） 55 4.2 在主题空间比较相似度 59 4.3 选择主题个数 64 4.4 小结 65 第5章 分类：检测劣质答案 67 5.1 路线图概述 67 5.2 学习如何区分出的答案 68 5.2.1 调整样本 68 5.2.2 调整分类器 68 5.3 获取数据 68 5.3.1 将数据消减到可处理的程度 69 5.3.2 对属性进行预选择和处理 70 5.3.3 定义什么是优质答案 71 5.4 创建个分类器 71 5.4.1 从k邻近（kNN）算法开始 71 5.4.2 特征工程 72 5.4.3 训练分类器 73 5.4.4 评估分类器的性能 74 5.4.5 设计更多的特征 74 5.5 决定怎样提升效果 77 5.5.1 偏差方差及其折中 77 5.5.2 解决高偏差 78 5.5.3 解决高方差 78 5.5.4 高偏差或低偏差 78 5.6 采用逻辑回归 81 5.6.1 一点数学和一个小例子 81 5.6.2 在帖子分类问题上应用逻辑回归 83 5.7 观察正确率的背后：准确率和召回率 84 5.8 为分类器 87 5.9 出货 88 5.10 小结 88 第6章 分类Ⅱ：情感分析 89 6.1 路线图概述 89 6.2 获取推特（Twitter）数据 89 6.3 朴素贝叶斯分类器介绍 90 6.3.1 了解贝叶斯定理 90 6.3.2 朴素 91 6.3.3 使用朴素贝叶斯进行分类 92 6.3.4 考虑未出现的词语和其他古怪情况 94 6.3.5 考虑算术下溢 95 6.4 创建个分类器并调优 97 6.4.1 先解决一个简单问题 97 6.4.2 使用所有的类 99 6.4.3 对分类器的参数进行调优 101 6.5 清洗推文 104 6.6 将词语类型考虑进去 106 6.6.1 确定词语的类型 106 6.6.2 用SentiWordNet成功地作弊 108 6.6.3 我们个估算器 110 6.6.4 把所有东西融合在一起 111 6.7 小结 112 第7章 回归：推荐 113 7.1 用回归预测房价 113 7.1.1 多维回归 116 7.1.2 回归里的交叉验证 116 7.2 惩罚式回归 117 7.2.1 L1和L2惩罚 117 7.2.2 在Scikit—learn中使用Lasso或弹性网 118 7.3 P大于N的情形 119 7.3.1 基于文本的例子 120 7.3.2 巧妙地设置超参数（hyperparameter） 121 7.3.3 评分预测和推荐 122 7.4 小结 126 第8章 回归：改进的推荐 127 8.1 改进的推荐 127 8.1.1 使用二值推荐矩阵 127 8.1.2 审视电影的近邻 129 8.1.3 组合多种方法 130 8.2 购物篮分析 132 8.2.1 获取有用的预测 133 8.2.2 分析超市购物篮 134 8.2.3 关联规则挖掘 136 8.2.4 更多购物篮分析的高级话题 137 8.3 小结 138 第9章 分类Ⅲ：音乐体裁分类 139 9.1 路线图概述 139 9.2 获取音乐数据 139 9.3 观察音乐 140 9.4 用FFT构建个分类器 143 9.4.1 增加实验敏捷性 143 9.4.2 训练分类器 144 9.4.3 在多分类问题中用混淆矩阵评估正确率 144 9.4.4 另一种方式评估分类器效果：受试者工作特征曲线（ROC） 146 9.5 用梅尔倒频谱系数（MFCC）提升分类效果 148 9.6 小结 152 0章 计算机视觉：模式识别 154 10.1 图像处理简介 154 10.2 读取和显示图像 155 10.2.1 图像处理基础 156 10.2.2 加入椒盐噪声 161 10.2.3 模式识别 163 10.2.4 计算图像特征 163 10.2.5 设计你自己的特征 164 10.3 在更难的数据集上分类 166 10.4 局部特征表示 167 10.5 小结 170 1章 降维 171 11.1 路线图 171 11.2 选择特征 172 11.2.1 用筛选器检测冗余特征 172 11.2.2 用封装器让模型选择特征 178 11.3 其他特征选择方法 180 11.4 特征抽取 181 11.4.1 主成分分析（PCA） 181 11.4.2 PCA的局限性以及LDA会有什么帮助 183 11.5 多维标度法（MDS） 184 11.6 小结 187 2章 大数据 188 12.1 了解大数据 188 12.2 用Jug程序包把你的处理流程分解成几个任务 189 12.2.1 关于任务 189 12.2.2 复用部分结果 191 12.2.3 幕后的工作原理 192 12.2.4 用Jug分析数据 192 12.3 使用Web服务（AWS） 194 12.3.1 构建你的台机器 195 12.3.2 用starcluster自动创建集群 199 12.4 小结 202 附录A 更多机器学习知识 203 A.1 在线资源 203 A.2 参考书 203 A.2.1 问答网站 203 A.2.2 博客 204 A.2.3 数据资源 205 A.2.4 竞争日益加剧 205 A.3 还剩下什么 205 A.4 小结 206 索引 207
作者介绍
Willi Richert机器学习和机器人学博士，目前任职于微软Bing搜索核心研发团队。他从事多种机器学习领域的研究，包括主动学习和统计机器翻译。Luis Pedro Coelho计算生物学家，主要关注生物图像信息学和大规模图像数据的处理，致力于生物标本图像分析中机器学习技术的应用，他还是Python计算机视觉库mahotas的主要开发人员。他于1998年开始开发开源软件，2004年起从事Python开发，并为多个Python开源库贡献了代码。另外，Luis拥有机器学习领域的卡内基-梅隆大学的博士学位，并发表过多篇科学论文。
序言
-
【封面】
— 没有更多了 —
以下为对购买帮助不大的评价