当前位置:主页 > 计算机电子书 > 行业软件及应用 > 编程下载
集体智慧编程

集体智慧编程 PDF 完整高清版

  • 更新:2019-09-06
  • 大小:27.9 MB
  • 类别:编程
  • 作者:Toby、Segaran
  • 出版:电子工业出版社
  • 格式:PDF

  • 资源介绍
  • 相关推荐

集体智慧编程 PDF

《集体智慧编程》內容详实,包含合作过虑技术性(保持关系推荐产品作用)、集群服务器数据统计分析(在规模性统计数据集中化挖掘类似的统计数据子集)、百度搜索引擎关键技术(网络爬虫、引索、查寻模块、PageRank优化算法等)、检索海量信息并开展剖析统计分析下结论的优化计算方法、贝叶斯过虑技术性(垃圾邮件过滤、文字过虑)、用决策树技术性保持分折和管理决策模型作用、社交媒体的信息内容配对技术性、深度学习和人工智能技术等。《集体智慧编程》是Web开发人员、系统架构师、运用技术工程师等的极佳挑选。

这书以深度学习与测算统计分析为主题风格背景图,专业叙述怎样发掘和剖析Web上的统计数据和資源,怎样剖析客户体验、网络营销、本人品位等众多信息内容,并算出有效的依据,根据繁杂的优化算法来从Web网址获得、搜集并剖析客户的统计数据和意见反馈信息内容,便于造就新的客户使用价值和经济收益。全书內容详实,包含合作过虑技术性(保持关系推荐产品作用)、集群服务器数据统计分析(在规模性统计数据集中化挖掘类似的统计数据子集)、百度搜索引擎关键技术(网络爬虫、引索、查寻模块、PageRank优化算法等)、检索海量信息并开展剖析统计分析下结论的优化计算方法、贝叶斯过虑技术性(垃圾邮件过滤、文字过虑)、用决策树技术性保持分折和管理决策模型作用、社交媒体的信息内容配对技术性、深度学习和人工智能技术等。
这书是Web开发人员、系统架构师、运用技术工程师等的极佳挑选。

目录

  • 前言 viii
  • 第1章 集体智慧导言 1
  • 什么是集体智慧 2
  • 什么是机器学习 3
  • 机器学习的局限 4
  • 真实生活中的例子 5
  • 学习型算法的其他用途 5
  • 第2章 提供推荐 7
  • 协作型过滤 7
  • 搜集偏好 8
  • 寻找相近的用户 9
  • 推荐物品 15
  • 匹配商品 17
  • 构建一个基于del.icio.us的链接推荐系统 19
  • 基于物品的过滤 22
  • 使用MovieLens数据集 25
  • 基于用户进行过滤还是基于物品进行过滤 27
  • 练习 28
  • 第3章 发现群组 29
  • 监督学习和无监督学习 29
  • 单词向量 30
  • 分级聚类 33
  • 绘制树状图 38
  • 列聚类 40
  • K-均值聚类 42
  • 针对偏好的聚类 44
  • 以二维形式展现数据 49
  • 有关聚类的其他事宜 53
  • 练习 53
  • 第4章 搜索与排名 54
  • 搜索引擎的组成 54
  • 一个简单的爬虫程序 56
  • 建立索引 58
  • 查询 63
  • 基于内容的排名 64
  • 利用外部回指链接 69
  • 从点击行为中学习 74
  • 练习 84
  • 第5章 优化 86
  • 组团旅游 87
  • 描述题解 88
  • 成本函数 89
  • 随机搜索 91
  • 爬山法 92
  • 模拟退火算法 95
  • 遗传算法 97
  • 真实的航班搜索 101
  • 涉及偏好的优化 106
  • 网络可视化 110
  • 其他可能的应用场合 115
  • 练习 116
  • 第6章 文档过滤 117
  • 过滤垃圾信息 117
  • 文档和单词 118
  • 对分类器进行训练 119
  • 计算概率 121
  • 朴素分类器 123
  • 费舍尔方法 127
  • 将经过训练的分类器持久化 132
  • 过滤博客订阅源 134
  • 对特征检测的改进 136
  • 使用Akismet 138
  • 替代方法 139
  • 练习 140
  • 第7章 决策树建模 142
  • 预测注册用户 142
  • 引入决策树 144
  • 对树进行训练 145
  • 选择最合适的拆分方案 147
  • 以递归方式构造树 149
  • 决策树的显示 151
  • 对新的观测数据进行分类 153
  • 决策树的剪枝 154
  • 处理缺失数据 156
  • 处理数值型结果 158
  • 对住房价格进行建模 158
  • 对“热度”评价进行建模 161
  • 什么时候使用决策树 164
  • 练习 165
  • 第8章 构建价格模型 167
  • 构造一个样本数据集 167
  • k-最近邻算法 169
  • 为近邻分配权重 172
  • 交叉验证 176
  • 不同类型的变量 178
  • 对缩放结果进行优化 181
  • 不对称分布 183
  • 使用真实数据——eBay API 189
  • 何时使用k-最近邻算法 195
  • 练习 196
  • 第9章 高阶分类:核方法与SVM 197
  • 婚介数据集 197
  • 数据中的难点 199
  • 基本的线性分类 202
  • 分类特征 205
  • 对数据进行缩放处理 209
  • 理解核方法 211
  • 支持向量机 215
  • 使用LIBSVM 217
  • 基于Facebook的匹配 219
  • 练习 225
  • 第10章 寻找独立特征 226
  • 搜集一组新闻 227
  • 先前的方法 231
  • 非负矩阵因式分解 232
  • 结果呈现 240
  • 利用股票市场的数据 243
  • 练习 248
  • 第11章 智能进化 250
  • 什么是遗传编程 250
  • 将程序以树形方式表示 253
  • 构造初始种群 257
  • 测试题解 259
  • 对程序进行变异 260
  • 交叉 263
  • 构筑环境 265
  • 一个简单的游戏 268
  • 更多可能性 273
  • 练习 276
  • 第12章 算法总结 277
  • 贝叶斯分类器 277
  • 决策树分类器 281
  • 神经网络 285
  • 支持向量机 289
  • k-最近邻 293
  • 聚类 296
  • 多维缩放 300
  • 非负矩阵因式分解 302
  • 优化 304
  • 附录A:第三方函数库 309
  • 附录B:数学公式 316
  • 索引 323

资源下载

资源下载地址1:https://pan.baidu.com/s/1ErzJxUgkw9-HP1Jupwv5Ug

相关资源

网友留言