《智能Web算法（第2版）》深讲解了如何建立机器学习系统来对采集的用户、Web应用、网站日志等数据行深分析和挖掘。经过这一版全面的修订，读者可以看到智能算法是怎样从数据中抽取出真实有价值的信息的，核心的机器学习概念也通过scikit-learn的Python代码示例行了讲解。《智能Web算法（第2版）》指导读者对来自Web的源源不断的数据流行采集、存储、建模，并掌握发推荐引擎、统计分类算法、神经网络和深度学习等技术。
售 价：¥
纸质售价：¥51.70购买纸书
6.2
温馨提示：数字商品不支持退换货，不提供源文件，不支持导出打印
为你推荐
译者序
译者简介
序言
前言
致谢
1 为智能Web建立应用
1.1 智能算法的实践运用：Google Now
1.2 智能算法的生命周期
1.3 智能算法的更多示例
1.4 不属于智能应用的内容
1.5 智能算法的类别体系
1.6 评估智能算法的效果
1.7 智能算法的重点归纳
1.8 本章小结
2 从数据中提取结构：聚类和数据变换
2.1 数据、结构、偏见和噪声
2.2 维度诅咒
2.3 k-means算法
2.4 高斯混合模型
2.5 k-means和GMM的关系
2.6 数据坐标轴的变换
2.7 本章小结
3 推荐系统的相关内容
3.1 场景设置：在线电影商店
3.2 距离和相似度
3.3 推荐引擎是如何工作的
3.4 基于用户的协同过滤
3.5 奇异值分解用于基于模型的推荐
3.6 Netflix竞赛
3.7 评估推荐系统
3.8 本章小结
4 分类：将物品归类到所属的地方
4.1 对分类的需求
4.2 分类算法概览
4.3 基于逻辑回归的欺诈检测
4.4 你的结果可信吗
4.5 大型数据集的分类技术
4.6 本章小结
5 在线广告点击预测
5.1 历史与背景
5.2 广告交易平台
5.3 什么是bidder
5.4 何为决策引擎
5.5 使用Vowpal Wabbit进行点击预测
5.6 构建决策引擎的复杂问题
5.7 实时预测系统的前景
5.8 本章小结
6 深度学习和神经网络
6.1 深度学习的直观方法
6.2 神经网络
6.3 感知机
6.4 多层感知机
6.5 更深层：从多层神经网络到深度学习
6.6 本章小结
7 做出正确的选择
7.1 A/B测试
7.2 多臂赌博机
7.3 实践中的贝叶斯赌博机策略
7.4 A/B测试与贝叶斯赌博机的对比
7.5 扩展到多臂赌博机
7.6 本章小结
8 智能Web的未来
8.1 智能Web的未来应用
8.2 智能Web的社会影响
附录A 抓取网络上的数据
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
