Book description
「本書提供許多絕佳的機器學習實用案例。有別於工具書或理論證明,本書著重於實際問題處理,因此具備程式設計背景及對機器學習有興趣的讀者們均可輕鬆入門。」
- Max Shron, OkCupid
如果你是平時喜歡上網蒐集各種資料的程式設計師,想尋找並學習資料分析的方法與工具,本書將會是您了解機器學習最好的起點。在Machine Learning領域中,包含各種分析問題的工具與方法,可以讓我們很方便地架構出一套自動分析資料系統,使電腦可以自動分析。不過這些方法的背後,通常都蘊含著艱澀、難懂的數學理論,因而提高了學習門檻。有鑑於此,本書作者Drew Conway和John Myles準備了許多實用案例。在本書中,他們將以生動活潑的方式,使用案例導向方式,透過生活實例,帶領我們一起學習這些Machine Learning工具和統計工具的實際應用。經由這些過程學習機器學習領域的核心與價值,而非傳統數學導向的介紹方式。
本書採用實例導向、問題導向的介紹方式,在每一個章節中,透過實際問題,介紹機器學習典型問題與解決方法。其中包含:分類問題、預測問題、最佳化問題、推薦系統建置問題...等,在書中都會一一介紹。本書所有程式均以R語言撰寫,於每個章節中將學到:如何以R語言分析資料,並撰寫簡易機器學習演算法。《機器學習駭客秘笈》本書,是專為機器學習領域的初學者所寫的,無論是商業、政府機關或學術界...等都適用。
在本書中,您將學到:
● 建立單純貝氏分類器(Naive Bayesian Classifier)對電子郵件內容進行垃圾信件判別
● 以線性回歸,預測網站的瀏覽人次
● 以最佳化技術破解簡易字母密碼
● 運用記名投票紀錄,以統計方式對美國參議員進行分類
● 以推特社群資料建立「潛在關注對象」推薦系統
Table of contents
- 封面
- 書名頁
- 英文版權頁
- 前言 (1/2)
- 前言 (2/2)
- 目錄
- 第一章 使用R語言
- R語言與機器學習
- 下載與安裝
- 整合開發環境與文字編輯器
- R語言套件載入與安裝
- R語言基本介紹 (1/3)
- R語言基本介紹 (2/3)
- R語言基本介紹 (3/3)
- R語言延伸閱讀
- 第二章 資料探索
- 資料探索與資料驗證
- 何謂資料?
- 猜測資料欄位的型態
- 推斷資料涵義
- 數值總結
- 平均數、中位數與眾數
- 分位數
- 標準差與變異數
- 視覺化資料探索 (1/4)
- 視覺化資料探索 (2/4)
- 視覺化資料探索 (3/4)
- 視覺化資料探索 (4/4)
- 視覺化呈現資料欄位關聯性 (1/3)
- 視覺化呈現資料欄位關聯性 (2/3)
- 視覺化呈現資料欄位關聯性 (3/3)
- 第三章 文本分類:垃圾郵件判斷
- 非此即彼:二分法
- 條件機率
- 嘗試撰寫貝氏垃圾郵件分類器 (1/2)
- 嘗試撰寫貝氏垃圾郵件分類器 (2/2)
- 建立分類器並測試難判別正常郵件
- 測試各種郵件型態
- 改善結果
- 第四章 項目排序:優先收件匣
- 如何在未知順序的情況下進行排序?
- 以優先性對電子郵件進行排序
- 電子郵件優先性
- 撰寫優先收件匣
- 擷取郵件屬性的指令 (1/2)
- 擷取郵件屬性的指令 (2/2)
- 設計權重計算策略以進行排序 (1/2)
- 設計權重計算策略以進行排序 (2/2)
- 以信件群組活躍度定義權重
- 訓練並測試郵件排序演算法 (1/2)
- 訓練並測試郵件排序演算法 (2/2)
- 第五章 回歸分析:預測網頁瀏覽人次
- 回歸分析簡介
- 模型根據
- 以虛變數進行回歸
- 淺談線性回歸 (1/2)
- 淺談線性回歸 (2/2)
- 預測網頁流量 (1/3)
- 預測網頁流量 (2/3)
- 預測網頁流量 (3/3)
- 定義相關性
- 第六章 正則化:文本回歸
- 欄位之間的非線性關聯性
- 多項式回歸簡介 (1/2)
- 多項式回歸簡介 (2/2)
- 過度擬合的避免方法
- 以正則化避免過度擬合
- 文本回歸
- 邏輯回歸前來解救
- 第七章 最佳化:破解密碼
- 最佳化導論
- 山脊型回歸(Ridge Regression)
- 將破解密碼視為最佳化問題 (1/3)
- 將破解密碼視為最佳化問題 (2/3)
- 將破解密碼視為最佳化問題 (3/3)
- 第八章 PCA:建立股價指數
- 非監督式學習
- 第九章 MDS:視覺化呈現美國參議員相似度
- 根據相似度進行分群(Clustering)
- 距離測度與MDS的簡介
- 美國參議員如何分群?
- 分析參議員唱名表決資料(第101至111屆國會) (1/2)
- 分析參議員唱名表決資料(第101至111屆國會) (2/2)
- 第十章 kNN:推薦系統
- 最近相鄰演算法(k-Nearest Neighbors Algorithm)
- R套件安裝資料
- 第十一章 分析社群關係圖
- 社群網路分析
- 圖式思考
- 駭入Twitter社群資料
- 使用Google SocialGraph API
- Twitter網路圖分析
- 區域社群結構
- 使用Gephi對Twitter網路圖的分群結果繪圖 (1/2)
- 使用Gephi對Twitter網路圖的分群結果繪圖 (2/2)
- 建立「可能想關注的對象」推薦系統 (1/2)
- 建立「可能想關注的對象」推薦系統 (2/2)
- 第十二章 模型比較
- SVM:支援向量機
- 演算法比較 (1/2)
- 演算法比較 (2/2)
- 參考文獻
- 索引 (1/2)
- 索引 (2/2)
- 關於作者
- 出版記事
Product information
- Title: 機器學習駭客秘笈
- Author(s):
- Release date: May 2015
- Publisher(s): GoTop Information, Inc.
- ISBN: None
You might also like
book
云安全实用指南
随着架构和API自动化的快速发展,云平台遇到了独有的安全挑战和机遇。这本实用指南介绍了在多供应商云环境下与安全相关的实践。你的公司不管是正计划将传统的本地部署(on-premises)项目迁移到云上,还是要重新搭建一套全新的基础设施 ,这本书都会对你有所帮助。 开发者、IT 架构师和安全专家将从本书中学到很多用于保护知名云平台安全的云相关技术,如Amazon Web Services、Microsoft Azure和IBM Cloud等云平台。IBM 资深技术专家Chris Dotson向读者介绍了如何在个人云环境中建立数据资产管理、身份与访问管理(IAM)、漏洞管理、网络安全和事件响应。 学习标准原则和概念(如最小权限和纵深防御)如何在云中应用 对比基于云(cloud-based)的和基于本地部署的数据资产管理与保护 管理云提供商,包括用于存储或处理数据的云提供商和提供管理员级控制(administrative control)的云提供商 理解IAM在云中起到的关键作用 解决各类漏洞 …
book
下一代空间计算:AR与VR创新理论与实践
近年来,尽管AR与VR技术渐有流行之势,但实际上整个空间计算技术仍旧处在主流应用的前沿地带。现今,渴望涉足这一领域的开发者、艺术家与设计师们能够获得的专业指导少之又少。在本书中,Erin Pangilinan、Steve Lukas与Vasanth Mohan剖析了整条AR/VR技术开发流水线,并提供了实践教程来帮助你学习AR/VR的相关知识,以提升自身的专业技能。 本书通过循序渐进的教程,以理论为基础,以行业应用案例为背景,介绍如何构建实际的应用程序与体验。在本书的每一章节中,都会有行业专家(包括Timoni West、Victor Prisacariu、Nicolas Meuleau等)加入作者的行列,他们将揭示空间计算背后的技术内幕。 本书涵盖三大主题: 艺术设计:探索空间计算与交互设计、以人为本的交互与感官设计,以及数字艺术内容创作工具。 技术开发:研究ARKit、ARCore与基于空间映射的系统之间的差异;学习如何在头戴式显示设备上进行跨平台开发。 应用案例:理解数据与机器学习可视化及AI技术是如何运用在空间计算、教育培训、体育娱乐、医疗保健和其他行业应用之中的。
audiobook
Transformed
Help transform your business and innovate like the world's top tech companies! Transformed: Moving to the …
book
軟體專案開發實務|別只當編程猴
身為軟體開發者,編程只是工作中最簡單的那一部份。這本實務書讓您探索其他的90%,涵蓋需求評估與快速雛型開發到商業分析與可維護性的設計。開發過程中,開發者會遭遇到許多問題,作者透過詳細的範例,將這些問題呈現出來,並且分享他解決問題的思考過程。 他以特別又有趣的方式,引領您走過這趟旅程,您就是每一個章節故事的主角。隨著情勢的發展,遭遇的問題會愈發複雜,您所承擔的責任也更形沈重。整體而言,這些故事將帶您進入不斷質疑並淬鍊思考的旅程,不斷前進,完成軟體專案。 您可以在這趟獨特的旅程中體驗到: ‧透過雛型來探索專案的意旨 ‧在不斷調整的過程中,找出隱藏的相依性。 ‧找出整合服務的痛點 ‧開發出嚴謹的問題解決方法 ‧由下而上設計軟體 ‧現實世界中的資料塑模 ‧進行和緩的改良避免承諾過頭 ‧軟體開發的未來