機器學習(實用案例解析) 机器学习:实用案例解析

<內容簡介>

機器學習是電腦科學和人工智能中非常重要的一個研究領域，近年來，機器學習不但在電腦科學的眾多領域中大顯身手，而且成為一些交叉學科的重要支撐技術。Drew Conway編著的《機器學習(實用案例解析)》比較全面系統地介紹了機器學習的方法和技術，不僅詳細闡述了許多經典的學習方法，而且討論了一些有生命力的新理論、新方法。
    全書案例既有分類問題，也有回歸問題；既包含監督學習，也涵蓋無監督學習。《機器學習(實用案例解析)》討論的案例涉及分類、回歸、聚類、降維、最優化問題等。這些案例包括：垃圾郵件識別、智能收件箱、預測網頁訪問量、文本回歸、密碼破譯、構建股票市場指數、用投票記錄對美國參議員聚類、給用戶推薦r語言包、分析社交圖譜、給問題找到最佳演算法等。各章對原理的敘述力求概念清晰、表達準確，突出理論聯繫實際，富有啟發性，易於理解。在探索這些案例的過程中用到的基本工具就是r編程語言。
    《機器學習(實用案例解析)》主要內容：
    開發一個樸素貝葉斯分類器，僅僅根據郵件的文本信息來判斷郵件是否是垃圾郵件；使用線性回歸來預測因特網排名前1000網站的pv；利用文本回歸理解圖書中詞與詞之間的關係；通過嘗試破譯一個簡單的密碼來學習優化技術；利用無監督學習構建股票市場指數，用子衡量整體市場行情；根據美國參議院的投票情況，從統計學的角度對美國參議員聚類；通過k近鄰演算法向用戶推薦日語言包；利用twitter數據構建一個「你可能感興趣的人」的推薦系統；模型比較：給問題找到最佳演算法。

<目錄>