雅书

内容简介：

本书以机器学习与计算统计为主题背景，专门讲述如何挖掘和分析Web上的数据和资源，如何分析用户体验、市场营销、个人品味等诸多信息，并得出有用的结论，通过复杂的算法来从Web网站获取、收集并分析用户的数据和反馈信息，以便创造新的用户价值和商业价值。全书内容翔实，包括协作过滤技术(实现关联产品推荐功能)、集群数据分析(在大规模数据集中发掘相似的数据子集)、搜索引擎核心技术(爬虫、索引、查询引擎、PageRank算法等)、搜索海量信息并进行分析统计得出结论的优化算法、贝叶斯过滤技术(垃圾邮件过滤、文本过滤)、用决策树技术实现预测和决策建模功能、社交网络的信息匹配技术、机器学习和人工智能应用等。

本书是Web开发者、架构师、应用工程师等的绝佳选择。

作者简介：

Toby Segaran是Genstruct公司的软件开发主管，这家公司涉足计算生物领域，他本人的职责是设计算法，并利用数据挖掘技术来辅助了解药品机理。Toby Segaran还为其他几家公司和数个开源项目服务，帮助它们从收集到的数据当中分析并发掘价值。除此以外，Toby Segaran还建立了几个免费的网站应用，包括流行的tasktoy和Lazybase。他非常喜欢滑雪与品酒，其博客地址是blog.kiwitobes.com，现居于旧金山。

目  录：

前言

第1章集体智慧导言

什么是集体智慧

什么是机器学习

机器学习的局限

真实生活中的例子

学习型算法的其他用途

第2章提供推荐

协作型过滤

搜集偏好

寻找相近的用户

推荐物品

匹配商品

构建一个基于del.icio.us的链接推荐系统

基于物品的过滤

使用MovieLens数据集

基于用户进行过滤还是基于物品进行过滤

练习

第3章发现群组

监督学习和无监督学习

单词向量

分级聚类

绘制树状图

列聚类

K-均值聚类

针对偏好的聚类

以二维形式展现数据

有关聚类的其他事宜

练习

第4章搜索与排名

搜索引擎的组成

一个简单的爬虫程序

建立索引

查询

基于内容的排名

利用外部回指链接

从点击行为中学习

练习

第5章优化

组团旅游

描述题解

成本函数

随机搜索

爬山法

模拟退火算法

遗传算法

真实的航班搜索

涉及偏好的优化

网络可视化

其他可能的应用场合

练习

第6章文档过滤

过滤垃圾信息

文档和单词

对分类器进行训练

计算概率

朴素分类器

费舍尔方法

将经过训练的分类器持久化

过滤博客订阅源

对特征检测的改进

使用Akismet

替代方法

练习

第7章决策树建模

预测注册用户

引入决策树

对树进行训练

选择最合适的拆分方案

以递归方式构造树

决策树的显示

对新的观测数据进行分类

决策树的剪枝

处理缺失数据

处理数值型结果

对住房价格进行建模

对“热度”评价进行建模

什么时候使用决策树

练习

第8章构建价格模型

构造一个样本数据集

k-最近邻算法

为近邻分配权重

交叉验证

不同类型的变量

对缩放结果进行优化

不对称分布

使用真实数据——eBay API

何时使用k-最近邻算法

练习

第9章高阶分类：核方法与SVM

婚介数据集

数据中的难点

基本的线性分类

分类特征

对数据进行缩放处理

理解核方法

支持向量机

使用LIBSVM

基于Facebook的匹配

练习

第10章寻找独立特征

搜集一组新闻

先前的方法

非负矩阵因式分解

结果呈现

利用股票市场的数据

练习

第11章智能进化

什么是遗传编程

将程序以树形方式表示

构造初始种群

测试题解

对程序进行变异

交叉

构筑环境

一个简单的游戏

更多可能性

练习

第12章算法总结

贝叶斯分类器

决策树分类器

神经网络

支持向量机

k-最近邻

聚类

多维缩放

非负矩阵因式分解

优化

附录A：第三方函数库

附录B：数学公式

索引