Web机器学习

前言

数据科学，尤其是机器学习，成为当下科技商业领域人们热议的议题。这类技术可用来处理用户产生的、数量在不断增长的数据。本书将讲解如何用Python语言、Django框架开发一款Web商业应用，还将讲解如何用一些现成的库（sklearn、scipy、NLTK和Django等）处理和分析（通过机器学习技术）应用生成或使用的数据。

本书主要内容

第1章，Python机器学习实践入门，讨论机器学习的主要概念以及数据科学专业人士用Python处理数据所使用的几个库。

第2章，无监督机器学习，讲解为数据集分簇和从数据中抽取主要特征所用到的算法。

第3章，有监督机器学习，讲解预测数据集标签最常用的有监督机器学习算法。

第4章，Web挖掘技术，讨论Web数据的组织、分析和从中提取信息的主要技术。

第5章，推荐系统，详细介绍当今商业领域所使用的几种最流行的推荐系统。

第6章，开始Django之旅，介绍开发Web应用所用到的Django的主要功能和特点。

第7章，电影推荐系统Web应用，将介绍的机器学习概念付诸实践，动手实现为Web用户推荐电影的应用。

第8章，影评情感分析应用，再次通过一个实例，使用讲述的知识，分析在线影评的情感倾向和相关性。

本书的阅读前提

读者应该准备一台计算机，装好Python 2.7，能够运行（和修改）书中各章讲解的代码。

本书的目标读者

任何有一定编程经验（Python）和统计学背景，对机器学习感兴趣和/或希望从事数据科学职业的读者均可从本书受益。

排版约定

本书使用不同的文本样式来区分不同类别的内容。以下是常用样式及其用途说明。

正文中的代码、数据库表名、文件夹名、文件名、文件扩展名、路径名、URL地址、用户输入的内容和Twitter用户名显示方式如下：

“在终端输入以下命令，安装Django这个库：sudo ...