 |
-- 會員 / 註冊 --
|
 |
|
|
|
機器學習Web應用 ( 簡體 字) |
| 作者：[意] Andrea Isoni 愛索尼克 | 類別：1. -> 程式設計 -> 機器學習 |
| 譯者： |
| 出版社：人民郵電出版社 |  3dWoo書號： 47297
詢問書籍請說出此書號！【缺書】
NT售價： 295 元 |
| 出版日：8/1/2017 |
| 頁數：212 |
| 光碟數：0 |
|
站長推薦：   |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787115458520 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
| 前言： |
內容簡介：機器學習可用來處理由用戶產生的、數量不斷增長的Web資料。 本書講解如何用Python語言、Django框架開發一款Web商業應用，以及如何用一些現成的庫和工具（sklearn、scipy、nltk和Django等）處理和分析應用所生成或使用的資料。本書不僅涉及機器學習的核心概念，還介紹了如何將資料部署到用Django框架開發的Web應用，包括Web、文檔和伺服器端資料的挖掘和推薦引擎的搭建方法。 本書適合有志于成為或剛剛成為資料科學家的讀者學習，也適合對機器學習、Web資料採擷等技術實踐感興趣的讀者參考閱讀。 |
目錄：第1章 Python機器學習實踐入門 1
1.1 機器學習常用概念 1
1.2 資料的準備、處理和視覺化
—NumPy、pandas和matplotlib教程 6
1.2.1 NumPy的用法 6
1.2.2 理解pandas模組 23
1.2.3 matplotlib教程 32
1.3 本書使用的科學計算庫 35
1.4 機器學習的應用場景 36
1.5 小結 36
第2章 無監督機器學習 37
2.1 聚類演算法 37
2.1.1 分佈方法 38
2.1.2 質心點方法 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 58
第3章 有監督機器學習 59
3.1 模型錯誤評估 59
3.2 廣義線性模型 60
3.2.1 廣義線性模型的概率
解釋 63
3.2.2 k近鄰 63
3.3 樸素貝葉斯 64
3.3.1 多項式樸素貝葉斯 65
3.3.2 高斯樸素貝葉斯 66
3.4 決策樹 67
3.5 支持向量機 70
3.6 有監督學習方法的對比 75
3.6.1 回歸問題 75
3.6.2 分類問題 80
3.7 隱瑪律可夫模型 84
3.8 小結 93
第4章 Web挖掘技術 94
4.1 Web結構挖掘 95
4.1.1 Web爬蟲 95
4.1.2 索引子 95
4.1.3 排序—PageRank
演算法 96
4.2 Web內容挖掘 97
句法解析 97
4.3 自然語言處理 98
4.4 資訊的後處理 108
4.4.1 潛在狄利克雷分配 108
4.4.2 觀點挖掘（情感
分析） 113
4.5 小結 117
第5章 推薦系統 118
5.1 效用矩陣 118
5.2 相似度度量方法 120
5.3 協同過濾方法 120
5.3.1 基於記憶的協同
過濾 121
5.3.2 基於模型的協同
過濾 126
5.4 CBF方法 130
5.4.1 商品特徵平均得分
方法 131
5.4.2 正則化線性回歸
方法 132
5.5 用關聯規則學習，構建推薦
系統 133
5.6 對數似然比推薦方法 135
5.7 混合推薦系統 137
5.8 推薦系統評估 139
5.8.1 均方根誤差（RMSE）
評估 140
5.8.2 分類效果的度量方法 143
5.9 小結 144
第6章 開始Django之旅 145
6.1 HTTP—GET和POST方法的
基礎 145
6.1.1 Django的安裝和
伺服器的搭建 146
6.1.2 配置 147
6.2 編寫應用—Django
最重要的功能 150
6.2.1 model 150
6.2.2 HTML網頁背後的
URL和view 151
6.2.3 URL聲明和view 154
6.3 管理後臺 157
6.3.1 shell介面 158
6.3.2 命令 159
6.3.3 RESTful應用程式設計
介面（API） 160
6.4 小結 162
第7章 電影推薦系統Web應用 163
7.1 讓應用跑起來 163
7.2 model 165
7.3 命令 166
7.4 實現用戶的註冊、登錄和
登出功能 172
7.5 資訊檢索系統（電影查詢） 175
7.6 打分系統 178
7.7 推薦系統 180
7.8 管理介面和API 182
7.9 小結 184
第8章 影評情感分析應用 185
8.1 影評情感分析應用用法
簡介 185
8.2 搜尋引擎的選取和應用的
代碼 187
8.3 Scrapy的配置和情感分析
應用代碼 189
8.3.1 Scrapy的設置 190
8.3.2 Scraper 190
8.3.3 Pipeline 193
8.3.4 爬蟲 194
8.4 Django model 196
|
| 序： |
|
