已收藏
图书详情
内容简介:
机器学 是计算机科学和人工智能中非常重要的一个研究领域，近年来，机器学 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。《机器学 ：实用案例解析》比较全面系统地介绍了机器学 的方法和技术，不仅详细阐述了许多经典的学 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 ，也涵盖无监督学 。《机器学 ：实用案例解析》讨论的案例涉及分类、回归、聚类、降维、最优化问题等。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、给问题找到最佳算法等。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 ：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 优化技术；利用无监督学 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：给问题找到最佳算法。 作者简介:
Drew Conway机器学 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国际关系、冲突和恐怖主义等。他拥有纽约大学博士学位，曾为多种杂志撰写文章，是机器学 领域的著名学者。
John Myles White机器学 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ProjectTemplate和 log4r等流行R语言程序包的主要维护者。他拥有普林斯顿大学博土学位，发表过许多关于机器学 的论文，并在众多国际会议上发表演讲。 
