機(jī)器學(xué)習(xí)實(shí)用案例解析(中文完整版)pdf清晰影印版

機(jī)器學(xué)習(xí)實(shí)用案例解析是一本Machine Learning 的入門(mén)讀物，更適合的讀者群其實(shí)是對(duì)Machine Learning感興趣，對(duì)R有基本的了解，但對(duì)統(tǒng)計(jì)和編程的了解都很有限的同學(xué)閱讀的書(shū)。該書(shū)中有大量的R代碼，有非常淺顯的機(jī)器學(xué)習(xí)的應(yīng)用實(shí)例，例如垃圾郵件識(shí)別，郵件重要性排序，pv預(yù)估等等——非常適合機(jī)器學(xué)習(xí)初學(xué)者，前提是，你需要一點(diǎn)R語(yǔ)言的基礎(chǔ)。 本節(jié)內(nèi)容東坡小編為大家整理帶來(lái)的是一份pdf格式清晰影印版機(jī)器學(xué)習(xí)實(shí)用案例解析電子書(shū)，該電子書(shū)為中文完整版，相應(yīng)查閱的朋友們就趕緊來(lái)下載吧！

機(jī)器學(xué)習(xí)實(shí)用案例解析背景介紹

O’Reilly Media通過(guò)圖書(shū)、雜志、在線(xiàn)服務(wù)、調(diào)查研究和會(huì)議等方式傳播創(chuàng)新知識(shí)。自1978年開(kāi)始，O’Reilly一直都是前沿發(fā)展的見(jiàn)證者和推動(dòng)者。超級(jí)極客們正在開(kāi)創(chuàng)著未來(lái)，而我們關(guān)注真正重要的技術(shù)趨勢(shì)——通過(guò)放大那些“細(xì)微的信號(hào)”來(lái)刺激社會(huì)對(duì)新科技的應(yīng)用。作為技術(shù)社區(qū)中活躍的參與者，O’Reilly的發(fā)展充滿(mǎn)了對(duì)創(chuàng)新的倡導(dǎo)、創(chuàng)造和發(fā)揚(yáng)光大。

O’Reilly為軟件開(kāi)發(fā)人員帶來(lái)革命性的“動(dòng)物書(shū)”；創(chuàng)建第一個(gè)商業(yè)網(wǎng)站（GNN）；組織了影響深遠(yuǎn)的開(kāi)放源代碼峰會(huì)，以至于開(kāi)源軟件運(yùn)動(dòng)以此命名；創(chuàng)立了Make雜志，從而成為DIY革命的主要先鋒；公司一如既往地通過(guò)多種形式締結(jié)信息與人的紐帶。O’Reilly的會(huì)議和峰會(huì)集聚了眾多超級(jí)極客和高瞻遠(yuǎn)矚的商業(yè)領(lǐng)袖，共同描繪出開(kāi)創(chuàng)新產(chǎn)業(yè)的革命性思想。作為技術(shù)人士獲取信息的選擇，O’Reilly現(xiàn)在還將先鋒專(zhuān)家的知識(shí)傳遞給普通的計(jì)算機(jī)用戶(hù)。無(wú)論是通過(guò)書(shū)籍出版，在線(xiàn)服務(wù)或者面授課程，每一項(xiàng)O’Reilly的產(chǎn)品都反映了公司不可動(dòng)搖的理念——信息是激發(fā)創(chuàng)新的力量。

機(jī)器學(xué)習(xí)實(shí)用案例解析電子書(shū)目錄

前言1

第1章 使用R語(yǔ)言9

R與機(jī)器學(xué)習(xí)10

第2章 數(shù)據(jù)分析36

分析與驗(yàn)證36

什么是數(shù)據(jù)37

推斷數(shù)據(jù)的類(lèi)型40

推斷數(shù)據(jù)的含義42

數(shù)值摘要表43

均值、中位數(shù)、眾數(shù)44

分位數(shù)46

標(biāo)準(zhǔn)差和方差47

可視化分析數(shù)據(jù)49

列相關(guān)的可視化68

第3章 分類(lèi)：垃圾過(guò)濾77

非此即彼：二分類(lèi)77

漫談條件概率81

試寫(xiě)第一個(gè)貝葉斯垃圾分類(lèi)器82

第4章 排序：智能收件箱97

次序未知時(shí)該如何排序97

按優(yōu)先級(jí)給郵件排序98

實(shí)現(xiàn)一個(gè)智能收件箱102

第5章 回歸模型：預(yù)測(cè)網(wǎng)頁(yè)訪(fǎng)問(wèn)量128

回歸模型簡(jiǎn)介128

預(yù)測(cè)網(wǎng)頁(yè)流量142

定義相關(guān)性152

第6章 正則化：文本回歸155

數(shù)據(jù)列之間的非線(xiàn)性關(guān)系：超越直線(xiàn)155

避免過(guò)擬合的方法164

文本回歸174

第7章 優(yōu)化：密碼破譯182

優(yōu)化簡(jiǎn)介182

嶺回歸188

密碼破譯優(yōu)化問(wèn)題193

第8章 PCA：構(gòu)建股票市場(chǎng)指數(shù)203

無(wú)監(jiān)督學(xué)習(xí)203

主成分分析204

第9章 MDS：可視化地研究參議員相似性212

基于相似性聚類(lèi)212

如何對(duì)美國(guó)參議員做聚類(lèi)219

第10章 kNN：推薦系統(tǒng)229

k近鄰算法229

R語(yǔ)言程序包安裝數(shù)據(jù)235

第11章 分析社交圖譜239

社交網(wǎng)絡(luò)分析239

用黑客的方法研究Twitter的社交關(guān)系圖數(shù)據(jù)244

分析Twitter社交網(wǎng)絡(luò)252

第12章 模型比較270

SVM：支持向量機(jī)270

算法比較280

參考文獻(xiàn)287

機(jī)器學(xué)習(xí)實(shí)用案例解析電子書(shū)內(nèi)容截圖