前言
chapter 01 使用 R 語言
chapter 02 資料探索
chapter 03 文本分類：垃圾郵件判斷
chapter 04 項目排序：優先收件匣
chapter 05 回歸分析：預測網頁瀏覽人次
chapter 06 正則化：文本回歸
chapter 07 最佳化：破解密碼
chapter 08 PCA：建立股價指數
chapter 09 MDS：視覺化呈現美國參議員相似度
chapter 10 kNN：推薦系統
chapter 11 分析社群關係圖
chapter 12 模型比較
Works Cited
索引
| FindBook |
|
有 1 項符合
Drew Conway的圖書 |
 |
$ 160 ～ 646 | 機器學習駭客秘笈
作者：Drew Conway,John Myles White ／ 譯者：林威仰 出版社：美商歐萊禮股份有限公司台灣分公司 出版日期：2015-05-07 語言：繁體書  共 3 筆 → 查價格、看圖書介紹
|
|
|
圖書介紹 - 資料來源：TAAZE 讀冊生活 評分：
圖書名稱：機器學習駭客秘笈
「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
目錄
前言
chapter 01 使用 R 語言
chapter 02 資料探索
chapter 03 文本分類：垃圾郵件判斷
chapter 04 項目排序：優先收件匣
chapter 05 回歸分析：預測網頁瀏覽人次
chapter 06 正則化：文本回歸
chapter 07 最佳化：破解密碼
chapter 08 PCA：建立股價指數
chapter 09 MDS：視覺化呈現美國參議員相似度
chapter 10 kNN：推薦系統
chapter 11 分析社群關係圖
chapter 12 模型比較
Works Cited
索引
chapter 01 使用 R 語言
chapter 02 資料探索
chapter 03 文本分類：垃圾郵件判斷
chapter 04 項目排序：優先收件匣
chapter 05 回歸分析：預測網頁瀏覽人次
chapter 06 正則化：文本回歸
chapter 07 最佳化：破解密碼
chapter 08 PCA：建立股價指數
chapter 09 MDS：視覺化呈現美國參議員相似度
chapter 10 kNN：推薦系統
chapter 11 分析社群關係圖
chapter 12 模型比較
Works Cited
索引
»看全部
商品資料
- 作者： Drew Conway, John Myles White 譯者： 林威仰
- 出版社： 碁峰資訊 出版日期：2015-05-07 ISBN/ISSN：9789863475934
- 語言：繁體中文 裝訂方式：平裝 頁數：320頁 開數：大18K
- 類別： 中文書> 電腦> 程式語言
|
