斯坦福数据挖掘教程(第3版)
全新正版 假一赔十 可开发票
￥ 89.23 6.9折 ￥ 129 全新
库存6件
北京东城
认证卖家担保交易快速发货售后保障
作者(美)尤雷·莱斯科夫,(美)阿南德·拉贾拉曼,(美)杰弗里·大卫·厄尔曼
出版社人民邮电出版社
ISBN9787115556691
出版时间2021-04
装帧平装
开本16开
定价129元
货号1202320368
上书时间2024-09-02
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
【作者简介】
尤雷·莱斯科夫（Jure Leskovec）
Pinterest公司首席科学家，斯坦福大学计算机科学系副教授，研究方向为大型社交和信息网络的数据挖掘。他的研究成果获得了很多奖项，如Microsoft Research Faculty Fellowship、Alfred P. Sloan Fellowship和Okawa Foundation Fellowship，还获得了很多很好论文奖，同时也被《纽约时报》《华尔街日报》《华盛顿邮报》《连线》、NBC、BBC和CBC等流行的社会媒体刊载。他还创建了斯坦福网络分析平台（SNAP）。
阿南德·拉贾拉曼（Anand Rajaraman）
数据库和Web技术领域领军者，硅谷连续创业者和风险投资人，斯坦福大学计算机科学系助理教授。自1996年起创立过多家公司，这些公司先后被亚马逊、谷歌和沃尔玛集团收购，而他本人历任亚马逊技术总监、沃尔玛负责优选电子商务业务的副总裁。之后创立了风投公司Milliways Ventures和Rocketship VC，投资过Facebook、Lyft等众多公司。作为学者，他主要研究数据库系统、Web和社交媒体，他的研究论文在学术会议上获得了多个奖项，他在2012年被Fast Company杂志列入“商界拥有创造力100人”。
杰弗里·大卫·厄尔曼（Jeffrey David Ullman）
计算机科学家，美国国家工程院院士，2020年图灵奖得主。早年在贝尔实验室工作，之后任教于普林斯顿大学，十年后加入斯坦福大学直至退休，一生的科研、著书和育人成果卓著。他是ACM会员，曾获SIGMOD创新奖、高德纳奖、冯诺依曼奖等多项科研大奖；合著有“龙书”《编译原理》、数据库名著《数据库系统实现》等多部经典著作；培养的多名学生已成为数据库领域的专家，其中包括谷歌联合创始人Sergey Brin，本书第二作者也是他的得意弟子。目前担任Gradiance公司CEO。
【译者简介】
王斌博士
小米AI实验室主任，NLP首席科学家。中国中文信息学会理事，《中文信息学报》编委。加入小米公司之前，是中科院研究员、博导及中科院大学教授。译有《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》和《机器学习实战》等书。
王达侃
优刻得AI部门负责人，曾任WeWork Research & Applied Science中国区负责人，并曾在LinkedIn、Twitter和微软亚洲研究院负责AI以及大数据方向的研发工作。硕士毕业于美国斯坦福大学计算机系，本科毕业于上海交通大学ACM班。
目录
章 数据挖掘基本概念1
1.1数据挖掘的定义1
1.1.1建模1
1.1.2统计建模2
1.1.3机器学习2
1.1.4建模的计算方法3
1.1.5数据概括3
1.1.6特征抽取4
1.2数据挖掘的统计限制5
1.2.1整体情报预警5
1.2.2邦弗朗尼原理5
1.2.3邦弗朗尼原理的一个例子6
1.2.4习题7
1.3相关知识7
1.3.1词语在文档中的重要性7
1.3.2哈希函数8
1.3.3索引9
1.3.4二级存储器10
1.3.5自然对数的底e11
1.3.6幂定律12
1.3.7习题13
1.4本书概要14
1.5小结15
1.6参考文献16
第2章 MapReduce和新软件栈17
2.1分布式文件系统18
2.1.1计算节点的物理结构18
2.1.2大规模文件系统的结构19
2.2MapReduce20
2.2.1Map任务21
2.2.2按键分组21
2.2.3Reduce任务22
2.2.4组合器22
2.2.5MapReduce的执行细节23
2.2.6节点故障的处理24
2.2.7习题24
2.3使用MapReduce的算法24
2.3.1基于MapReduce的矩阵—向量乘法实现25
2.3.2向量v无法放入内存时的处理26
2.3.4基于MapReduce的选择运算28
2.3.5基于MapReduce的投影运算28
2.3.6基于MapReduce的并、交和差运算29
2.3.7基于MapReduce的自然连接运算29
2.3.8基于MapReduce的分组和聚合运算30
2.3.9矩阵乘法30
2.3.10基于单步MapReduce的矩阵乘法31
2.3.11习题32
2.4MapReduce的扩展32
2.4.1工作流系统33
2.4.2Spark34
2.4.3Spark实现36
2.4.4TensorFlow37
2.4.5MapReduce的递归扩展版本38
2.4.6整体同步系统40
2.4.7习题41
2.5通信开销模型41
2.5.1任务网络的通信开销42
2.5.2时钟时间43
2.5.3多路连接43
2.5.4习题46
2.6MapReduce复杂性理论47
2.6.1Reducer规模及复制率47
2.6.2一个例子：相似性连接48
2.6.3MapReduce问题的一个图模型51
2.6.5并非所有输入都存在时的处理52
2.6.7案例分析：矩阵乘法54
2.6.8习题57
2.7小结58
2.8参考文献59
第3章 相似项发现61
3.1集合相似度的应用62
3.1.1集合的Jaccard相似度62
3.1.2文档的相似度62
3.1.3协同过滤——一个集合相似问题63
3.1.4习题64
3.2文档的shingling65
3.2.1k-shingle65
3.2.2shingle大小的选择65
3.2.3对shingle进行哈希66
3.2.4基于词的shingle66
3.2.5习题67
3.3保持相似度的集合摘要表示67
3.3.1集合的矩阵表示67
3.3.2最小哈希68
3.3.3最小哈希和Jaccard相似度69
3.3.4最小哈希签名69
3.3.5最小哈希签名的计算70
3.3.6对最小哈希加速72
3.3.7使用哈希加速73
3.3.8习题75
3.4文档的局部敏感哈希算法76
3.4.1面向最小哈希签名的LSH76
3.4.2行条化策略的分析77
3.4.3上述技术的综合79
3.4.4习题79
3.5距离测度80
3.5.1距离测度的定义80
3.5.2欧氏距离80
3.5.3Jaccard 距离81
3.5.4余弦距离81
3.5.5编辑距离82
3.5.6海明距离83
3.5.7习题83
3.6局部敏感函数理论85
3.6.1局部敏感函数85
3.6.2面向Jaccard距离的局部敏感函数族86
3.6.3局部敏感函数族的放大处理87
3.6.4习题89
3.7面向其他距离测度的LSH函数族89
3.7.1面向海明距离的LSH函数族89
3.7.2随机超平面和余弦距离90
3.7.3梗概91
3.7.4面向欧氏距离的LSH函数族91
3.7.5面向欧氏空间的更多LSH函数族92
3.7.6习题93
3.8LSH函数的应用93
3.8.1实体关联94
3.8.2一个实体关联的例子94
3.8.3记录匹配的验证95
3.8.4指纹匹配96
3.8.5适用于指纹匹配的LSH函数族98
3.8.7习题99
3.9面向高相似度的方法99
3.9.1相等项发现99
3.9.2集合的字符串表示方法100
3.9.3基于长度的过滤100
3.9.4前缀索引101
3.9.5位置信息的使用102
3.9.6使用位置和长度信息的索引103
3.9.7习题105
3.10小结106
3.11参考文献108
第4章 数据流挖掘109
4.1流数据模型109
4.1.1一个数据流管理系统109
4.1.2流数据源的例子110
4.1.3流查询111
4.1.4流处理中的若干问题112
4.2流当中的数据抽样112
4.2.1一个富有启发性的例子112
4.2.2代表性样本的获取113
4.2.3一般的抽样问题114
4.2.4样本规模的变化114
4.2.5习题115
4.3流过滤115
4.3.1一个例子115
4.3.2布隆过滤器116
4.3.3布隆过滤方法的分析116
4.3.4习题117
4.4流中独立元素的数目统计118
4.4.1独立元素计数问题118
4.4.2FM算法118
4.4.3组合估计119
4.4.4空间需求120
4.4.5习题120
4.5矩估计120
4.5.1矩定义120
4.5.2二阶矩估计的AMS算法121
4.5.3AMS算法有效的原因122
4.5.4更高阶矩的估计122
4.5.5无限流的处理123
4.5.6习题124
4.6窗口内的计数问题124
4.6.1精确计数的开销125
4.6.2DGIM算法125
4.6.3DGIM算法的存储需求127
4.6.4DGIM算法中的查询应答127
4.6.5DGIM条件的保持127
4.6.6降低错误率128
4.6.7窗口内计数问题的扩展129
4.6.8习题130
4.7衰减窗口130
4.7.1最常见元素问题130
4.7.2衰减窗口的定义130
4.7.3最流行元素的发现131
4.8小结132
4.9参考文献133
第5章 链接分析134
5.1PageRank134
5.1.1早期的搜索引擎及词项作弊134
5.1.2PageRank的定义136
5.1.3Web结构138
5.1.4避免终止点140
5.1.5采集器陷阱和“抽税”法142
5.1.6PageRank在搜索引擎中的使用144
5.1.7习题144
5.2PageRank的快速计算145
5.2.1转移矩阵的表示146
5.2.2基于MapReduce的PageRank迭代计算146
5.2.3结果向量合并时的组合器使用147
5.2.4转移矩阵中块的表示148
5.2.5其他高效的PageRank迭代方法149
5.2.6习题150
5.3面向主题的PageRank150
5.3.1动机150
5.3.2有偏的随机游走模型151
5.3.3面向主题的PageRank的使用153
5.3.5习题153
5.4链接作弊153
5.4.1垃圾农场的架构154
5.4.2垃圾农场的分析155
5.4.3与链接作弊的斗争156
5.4.4TrustRank156
5.4.5垃圾质量156
5.4.6习题157
5.5导航页和权威页157
5.5.1HITS的直观意义158
5.5.2导航度和权威度的形式化158
5.5.3习题161
5.6小结161
5.7参考文献164
第6章 频繁项集165
6.1购物篮模型165
6.2购物篮和A-Priori算法171
6.3更大数据集在内存中的处理178
6.4有限扫描算法185
6.5流中的频繁项计数190
6.6小结192
6.7参考文献194
第7章 聚类195
7.1聚类技术介绍195
7.2层次聚类198
7.3k-均值算法206
7.4CURE算法212
7.5非欧空间下的聚类215
7.6流聚类及并行化218
7.7小结222
7.8参考文献224
第8章 Web广告226
8.1在线广告相关问题226
8.2在线算法228
8.3广告匹配问题231
8.4adwords问题233
8.5adwords的实现240
8.6小结243
8.7参考文献245
第9章 推荐系统246
9.1推荐系统的模型246
9.2基于内容的推荐249
9.3协同过滤257
9.4降维处理262
9.5Netflix竞赛270
9.6小结271
9.7参考文献272
0章 社会网络图挖掘273
10.1将社会网络看成图273
10.2社会网络图的聚类277
10.3社区的直接发现283
10.4图划分287
10.5重叠社区的发现293
10.6Simrank299
10.7三角形计数问题.306
10.8图的邻居性质311
10.9小结324
10.10参考文献326
1章 降维处理328
11.1特征值和特征向量328
11.2主成分分析334
11.3奇异值分解339
11.4CUR分解347
11.5小结352
11.6参考文献353
2章 大规模机器学习354
12.1机器学习模型354
12.2感知机360
12.3支持向量机371
12.4近邻学习381
12.5决策树387
12.6各种学习方法的比较397
12.7小结397
12.8参考文献399
3章 神经网络与深度学习400
13.1神经网络简介400
13.2密集型前馈网络405
13.3反向传播与梯度下降413
13.4卷积神经网络420
13.5循环神经网络427
13.6正则化433
13.7小结435
13.8参考文献436
内容摘要
本书由斯坦福大学“Web挖掘”课程的内容总结而成，主要关注极大规模数据的挖掘。书中包括分布式文件系统、相似性搜索、搜索引擎技术、频繁项集挖掘、聚类算法、广告管理及推荐系统、社会网络图挖掘和大规模机器学习等主要内容。第3版新增了决策树、神经网络和深度学习等内容。几乎每节都有对应的习题，以此来巩固所讲解的内容。读者还可以从网上获取相关拓展资料。
本书适合作为本科生、研究生数据挖掘课程的教材，也适合对数据挖掘感兴趣的技术人员阅读。
主编推荐
1.本书作者Jeffrey Ullman是2020图灵奖获得者；
2.本书译者是国内知名NLP专家王斌老师；
3.本书内容源自斯坦福大学网红课程“CS246：海量数据挖掘”、“CS224W：图机器学习”和“CS341：项目实战课”；
4.书中以海量数据挖掘和机器学习为重点，全面分析并实现了各种常用的数据挖掘算法，同时介绍了目前Web应用的许多重要话题；
5.在第2版《大数据 互联网大规模数据挖掘与分布式处理（第2版）》基础上，第3版内容新增一章，专门探讨神经网络和深度学习并扩充了社会网络分析和决策树的相关内容。
本书源自斯坦福大学“CS246：海量数据挖掘”“CS224W：图机器学习”和“CS341：项目实战课”三门课程的内容。书中以海量数据挖掘和机器学习为重点，全面分析并实现了各种常用的数据挖掘算法，同时介绍了目前Web应用的许多重要话题。
这一版不仅新增一章，专门探讨神经网络和深度学习这一主题，还在上一版基础上扩充了社会网络分析和决策树的相关内容，同时更新了其他一些内容。
- 分布式文件系统以及MapReduce；
- 相似性搜索；
- 数据流处理以及特殊情况专用处理算法；
- 搜索引擎技术，如谷歌的PageRank；
- 频繁项集挖掘；
- 大规模高维数据集的聚类算法；
- 广告管理系统和推荐系统；
- 社会网络图挖掘；
- 降维处理，如SVD和CUR分解；
- 大规模机器学习；
- 深度神经网络。
【亚马逊读者好评】
“作为斯坦福大学‘大规模数据挖掘’在线课程的教材，这本书介绍了各种数据挖掘算法以及一些大数据应用。”
“这本书中包含许多热门的算法，特别是与挖掘图数据相关的算法，并且算法的理论和实现并重。书中的大量例子相当直观，易于理解。各章很后还提炼了章节要点，以帮助读者巩固和消化知识要点，让人很惊喜！”
“这本书涵盖了很多话题，从MapReduce和局部敏感哈希，到图的算法和大规模机器学习，内容全面、实用。”
— 没有更多了 —
以下为对购买帮助不大的评价