機(jī)器學(xué)習(xí)Web應(yīng)用

定　價(jià)：￥59.00

作　者：	Andrea，Isoni，愛(ài)索尼克著
出版社：	人民郵電出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買(mǎi)這本書(shū)可以去

ISBN：	9787115458520	出版時(shí)間：	2017-07-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：		字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　機(jī)器學(xué)習(xí)可用來(lái)處理由用戶(hù)產(chǎn)生的、數(shù)量不斷增長(zhǎng)的Web數(shù)據(jù)。本書(shū)講解如何用Python語(yǔ)言、Django框架開(kāi)發(fā)一款Web商業(yè)應(yīng)用，以及如何用一些現(xiàn)成的庫(kù)和工具（sklearn、scipy、nltk和Django等）處理和分析應(yīng)用所生成或使用的數(shù)據(jù)。本書(shū)不僅涉及機(jī)器學(xué)習(xí)的核心概念，還介紹了如何將數(shù)據(jù)部署到用Django框架開(kāi)發(fā)的Web應(yīng)用，包括Web、文檔和服務(wù)器端數(shù)據(jù)的挖掘和推薦引擎的搭建方法。本書(shū)適合有志于成為或剛剛成為數(shù)據(jù)科學(xué)家的讀者學(xué)習(xí)，也適合對(duì)機(jī)器學(xué)習(xí)、Web數(shù)據(jù)挖掘等技術(shù)實(shí)踐感興趣的讀者參考閱讀。

作者簡(jiǎn)介

　　Andrea Isoni博士是一名數(shù)據(jù)科學(xué)家、物理學(xué)家，他在軟件開(kāi)發(fā)領(lǐng)域有著豐富的經(jīng)驗(yàn)，在機(jī)器學(xué)習(xí)算法和技術(shù)方面，擁有廣博的知識(shí)。此外，他還有多種語(yǔ)言的使用經(jīng)驗(yàn)，如Python、C/C++、Java、JavaScript、C#、SQL、HTML。他還用過(guò)Hadoop框架?！∽g者簡(jiǎn)介杜春曉，英語(yǔ)語(yǔ)言文學(xué)學(xué)士，軟件工程碩士。其他譯著有《Python數(shù)據(jù)挖掘入門(mén)與實(shí)踐》《Python數(shù)據(jù)分析實(shí)戰(zhàn)》和《電子達(dá)人——我的第1本Raspberry Pi入門(mén)手冊(cè)》等。新浪微博：@宜_生。

圖書(shū)目錄

第1章　Python機(jī)器學(xué)習(xí)實(shí)踐入門(mén) 1
1.1　機(jī)器學(xué)習(xí)常用概念 1
1.2　數(shù)據(jù)的準(zhǔn)備、處理和可視化
—NumPy、pandas和matplotlib教程 6
1.2.1　NumPy的用法 6
1.2.2　理解pandas模塊 23
1.2.3　matplotlib教程 32
1.3　本書(shū)使用的科學(xué)計(jì)算庫(kù) 35
1.4　機(jī)器學(xué)習(xí)的應(yīng)用場(chǎng)景 36
1.5　小結(jié) 36
第2章　無(wú)監(jiān)督機(jī)器學(xué)習(xí) 37
2.1　聚類(lèi)算法 37
2.1.1　分布方法 38
2.1.2　質(zhì)心點(diǎn)方法 40
2.1.3　密度方法 41
2.1.4　層次方法 44
2.2　降維 52
2.3　奇異值分解（SVD） 57
2.4　小結(jié) 58
第3章　有監(jiān)督機(jī)器學(xué)習(xí) 59
3.1　模型錯(cuò)誤評(píng)估 59
3.2　廣義線(xiàn)性模型 60
3.2.1　廣義線(xiàn)性模型的概率
解釋 63
3.2.2　k近鄰 63
3.3　樸素貝葉斯 64
3.3.1　多項(xiàng)式樸素貝葉斯 65
3.3.2　高斯樸素貝葉斯 66
3.4　決策樹(shù) 67
3.5　支持向量機(jī) 70
3.6　有監(jiān)督學(xué)習(xí)方法的對(duì)比 75
3.6.1　回歸問(wèn)題 75
3.6.2　分類(lèi)問(wèn)題 80
3.7　隱馬爾可夫模型 84
3.8　小結(jié) 93
第4章　Web挖掘技術(shù) 94
4.1　Web結(jié)構(gòu)挖掘 95
4.1.1　Web爬蟲(chóng) 95
4.1.2　索引器 95
4.1.3　排序—PageRank
算法 96
4.2　Web內(nèi)容挖掘 97
句法解析 97
4.3　自然語(yǔ)言處理 98
4.4　信息的后處理 108
4.4.1　潛在狄利克雷分配 108
4.4.2　觀點(diǎn)挖掘（情感
分析） 113
4.5　小結(jié) 117
第5章　推薦系統(tǒng) 118
5.1　效用矩陣 118
5.2　相似度度量方法 120
5.3　協(xié)同過(guò)濾方法 120
5.3.1　基于記憶的協(xié)同
過(guò)濾 121
5.3.2　基于模型的協(xié)同
過(guò)濾 126
5.4　CBF方法 130
5.4.1　商品特征平均得分
方法 131
5.4.2　正則化線(xiàn)性回歸
方法 132
5.5　用關(guān)聯(lián)規(guī)則學(xué)習(xí)，構(gòu)建推薦
系統(tǒng) 133
5.6　對(duì)數(shù)似然比推薦方法 135
5.7　混合推薦系統(tǒng) 137
5.8　推薦系統(tǒng)評(píng)估 139
5.8.1　均方根誤差（RMSE）
評(píng)估 140
5.8.2　分類(lèi)效果的度量方法 143
5.9　小結(jié) 144
第6章　開(kāi)始Django之旅 145
6.1　HTTP—GET和POST方法的
基礎(chǔ) 145
6.1.1　Django的安裝和
服務(wù)器的搭建 146
6.1.2　配置 147
6.2　編寫(xiě)應(yīng)用—Django
最重要的功能 150
6.2.1　model 150
6.2.2　HTML網(wǎng)頁(yè)背后的
URL和view 151
6.2.3　URL聲明和view 154
6.3　管理后臺(tái) 157
6.3.1　shell接口 158
6.3.2　命令 159
6.3.3　RESTful應(yīng)用編程
接口（API） 160
6.4　小結(jié) 162
第7章　電影推薦系統(tǒng)Web應(yīng)用 163
7.1　讓?xiě)?yīng)用跑起來(lái) 163
7.2　model 165
7.3　命令 166
7.4　實(shí)現(xiàn)用戶(hù)的注冊(cè)、登錄和
登出功能 172
7.5　信息檢索系統(tǒng)（電影查詢(xún)） 175
7.6　打分系統(tǒng) 178
7.7　推薦系統(tǒng) 180
7.8　管理界面和API 182
7.9　小結(jié) 184
第8章　影評(píng)情感分析應(yīng)用 185
8.1　影評(píng)情感分析應(yīng)用用法
簡(jiǎn)介 185
8.2　搜索引擎的選取和應(yīng)用的
代碼 187
8.3　Scrapy的配置和情感分析
應(yīng)用代碼 189
8.3.1　Scrapy的設(shè)置 190
8.3.2　Scraper 190
8.3.3　Pipeline 193
8.3.4　爬蟲(chóng) 194
8.4　Django model 196
8.5　整合Django和Scrapy 197
8.5.1　命令（情感分析模型和
刪除查詢(xún)結(jié)果） 198
8.5.2　情感分析模型加載器 198
8.5.3　刪除已執(zhí)行過(guò)的查詢(xún) 201
8.5.4　影評(píng)情感分析器—
Django view和HTML
代碼 202
8.6　PageRank：Django view和
算法實(shí)現(xiàn) 206
8.7　管理后臺(tái)和API 210
8.8　小結(jié) 212