¥ 39.99 购买电子书
推送到 Kindle 的服务已停止,如需 mobi 版,请看 最新帮助

图灵程序设计丛书

机器学习实战

~ Peter Harrington (作者)   李锐 李鹏 曲亚东 王斌 (译者)
版权声明 阅读
献词 阅读
译者序 阅读
前言 阅读
致谢 阅读
关于本书 阅读
关于作者 阅读
关于封面 阅读
第一部分 分类 阅读
第1章 机器学习基础 阅读
第2章 k-近邻算法
第3章 决策树
第4章 基于概率论的分类方法:朴素贝叶斯 阅读
第5章 Logistic回归
第6章 支持向量机
第7章 利用AdaBoost元算法提高分类性能
第二部分 利用回归预测数值型数据
第8章 预测数值型数据:回归
第9章 树回归
第三部分 无监督学习
第10章 利用K-均值聚类算法对未标注数据分组
第11章 使用Apriori算法进行关联分析
第12章 使用FP-growth算法来高效发现频繁项集
第四部分 其他工具
第13章 利用PCA来简化数据
第14章 利用SVD简化数据
第15章 大数据与MapReduce
附录A Python入门
附录B 线性代数
附录C 概率论复习
附录D 资源
系列书名 图灵程序设计丛书
书  号 978-7-115-31795-7
出版日期 2013-06
页  数 332
定  价 69.00 元
印刷方式 黑白
类  别

使用Python阐述机器学习概念
介绍并实现机器学习的主流算法
面向日常任务的高效实战内容

机器学习是人工智能研究领域中一个极其重要的研究方向,在现今的大数据时代背景下,捕获数据并从中萃取有价值的信息或模式,成为各行业求生存、谋发展的决定性手段,这使得这一过去为分析师和数学家所专属的研究领域越来越为人们所瞩目。

本书第一部分主要介绍机器学习基础,以及如何利用算法进行分类,并逐步介绍了多种经典的监督学习算法,如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树(CART)算法等。第三部分则重点介绍无监督学习及其一些主要算法:k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了机器学习算法的一些附属工具。

全书通过精心编排的实例,切入日常工作任务,摒弃学术化语言,利用高效的可复用Python代码来阐释如何处理统计数据,进行数据分析及可视化。通过各种实例,读者可从中学会机器学习的核心算法,并能将其运用于一些策略性任务中,如分类、预测、推荐。另外,还可用它们来实现一些更高级的功能,如汇总和简化等。

读者好评:
“易学易懂,用处很大。”
—Alexandre Alves,Oracle CEP的架构师

“精心织构的代码完美地诠释出机器学习的核心要义。”
—Patrick Toohey,Mettler-Toledo Hi-Speed软件工程师

“实例很棒!可用于任何领域!”
—John Griffin,Hibernate Search in Action一书的合作者

“叙述循序渐进,巧妙地阐述了算法之间的差异。”
—Stephen McKamey,Isomer Innovations技术实践总监

作者简介
Peter Harrington 拥有电气工程学士和硕士学位,他曾经在美国加州和中国的英特尔公司工作7年。Peter拥有5项美国专利,在三种学术期刊上发表过文章。他现在是Zillabyte公司的首席科学家,在加入该公司之前,他曾担任2年的机器学习软件顾问。Peter在业余时间还参加编程竞赛和建造3D打印机。

译者简介
李锐,博士,中科院信息工程研究所助理研究员,研究兴趣为信息检索、机器学习及社交网络分析。
李鹏,博士,中科院信息工程研究所助理研究员,研究兴趣为信息检索、机器学习及社交网络分析。
王斌,博士,博士生导师,中科院计算技术研究所副研究员,中科院信息工程研究所客座研究员,研究兴趣为信息检索、社交网络分析及自然语言处理,《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》译者。
曲亚东,中科院计算技术研究所博士,在信息安全、视频监控等领域均主持过数千万投资的项目。希望能通过本书帮助大家进入机器学习领域。热心助人,有求会应,新浪微博:@大嘴啃四方。

原书书名 Machine Learning in Action
原书书号 978-1617290183
原书国家 美国
原书出版社 Manning
原书页数 375

本书标签

× 1498
× 1349
× 513
× 102
× 1
× 0

相关标签

× 453
× 102
× 1498
× 9
× 513
× 8
× 0
× 1523
× 2