內容簡介
機器學習是計算機科學和人工智慧中非常重要的一個研究領域，近年來，機器學
機器學習：實用案例解析習不但在計算機科學的眾多領域中大顯身手，而且成為一些交叉學科的重要支撐技術。本書比較全面系統地介紹了機器學習的方法和技術，不僅詳細闡述了許多經典的學習方法，還討論了一些有生命力的新理論、新方法。
全書案例既有分類問題，也有回歸問題；既包含監督學習，也涵蓋無監督學習。本書討論的案例從分類講到回歸，然後討論了聚類、降維、最最佳化問題等。這些案例包括分類：垃圾郵件識別，排序：智慧型收件箱，回歸模型：預測網頁訪問量，正則化：文本回歸，最最佳化：密碼破解，無監督學習：構建股票市場指數，空間相似度：用投票記錄對美國參議員聚類，推薦系統：給用戶推薦R語言包，社交網路分析：在Twitter上感興趣的人，模型比較：給你的問題找到最佳算法。各章對原理的敘述力求概念清晰、表達準確，突出理論聯繫實際，富有啟發性，易於理解。在探索這些案例的過程中用到的基本工具就是R統計程式語言。R語言非常適合用於機器學習的案例研究，因為它是一種用於數據分析的高水平、功能性腳本語言。
部分知識點列表
- 開發一個樸素貝葉斯分類器，僅僅根據郵件的文本信息來判斷這封郵件是否是垃圾郵件；
- 使用線性回歸來預測網際網路排名前1000網站的PV；
- 利用文本回歸理解圖書中詞與詞之間的關係；
- 通過嘗試破譯一個簡單的密碼來學習最佳化技術；
- 利用無監督學習構建股票市場指數，用於衡量整體市場行情的好壞；
- 根據美國參議院的投票情況，從統計學的角度對美國參議員聚類；
- 通過K近鄰算法構建向用戶推薦R語言包；
- 利用Twitter數據來構建一個“你可能感興趣的人”的推薦系統；
- 模型比較：給你的問題找到最佳算法。
作者簡介
Drew Conway 機器學習專家，擁有豐富的數據分析與處理工作經驗。目前主要利用數學、統計學和計算機技術研究國際關係、衝突和恐怖主義等。他曾作為研究員在美國情報和國防部門供職數年。他擁有紐約大學政治系博士學位，曾為多種雜誌撰寫文章，是機器學習領域的著名學者。
John Myles White 機器學習專家，擁有豐富的數據分析與處理工作經驗。目前主要從理論和實驗的角度來研究人類如何做出決定，同時還是幾個流行的R語言程式包的主要維護者，包括ProjectTemplate和log4r。他擁有普林斯頓大學哲學系博士學位，曾為多家技術雜誌撰稿，發表過許多關於機器學習的論文，並在眾多國際會議上發表演講。
審校/譯者簡介
羅森林博士，教授，博導。現任北京理工大學信息系統及安全對抗實驗中心主任、專業責任教授。國防科技工業局科學技術委員會成員；《中國醫學影像技術雜誌》、《中國介入影像與治療學》編委會委員；全國大學生信息安全技術專題邀請賽專家組副組長；中國人工智慧學會智慧型信息安全專業委員會委員等。主要研究方向為信息安全、數據挖掘、媒體計算、中文信息處理等。負責或參加完成國家自然科學基金、國家科技支撐計畫、863計畫、國家242計畫等省部級以上項目40餘項。已發表學術論文90餘篇，出版著作8部，出版譯著1部，獲授權專利3項。
陳開江 新浪微博搜尋部研發工程師，曾獨立負責微博內容反垃圾系統、微博精選內容挖掘算法、自助客服系統（包括自動回復、主動挖掘、輿情監測）等項目，目前主要從事社交挖掘、推薦算法研究、機器學習、自然語言處理相關工作，研究興趣是社交網路的個性化推薦。
劉逸哲 阿里巴巴，CBU基礎平台部搜尋與推薦團隊核心技術與query分析方向負責人，機器學習技術領域及圈子負責人。曾任中國雅虎相關性團隊、自然語言處理團隊算法工程師；AvePoint.inc開發工程師，從事企業級搜尋引擎開發。研究興趣是機器學習、自然語言處理及個性化推薦等算法在大規模數據上的套用。
孟曉楠 一淘廣告技術，阿里非搜尋廣告算法負責人，負責用戶行為分析、建模與細分，RTB競價算法，展示廣告CTR預估與SEM最佳化。曾工作於網易杭州研究院，參與過分散式全文檢索系統和網易部落格產品的數據挖掘算法開發。研究興趣是計算廣告技術、機器學習、大數據技術、信息檢索等。
目錄
前言 1
第1章 使用R語言 9
R與機器學習 10
第2章 數據分析 36
分析與驗證 36
什麼是數據 37
推斷數據的類型 40
推斷數據的含義 42
數值摘要表 43
均值、中位數、眾數 44
分位數 46
標準差和方差 47
可視化分析數據 49
列相關的可視化 68
第3章 分類：垃圾過濾 77
非此即彼：二分類 77
漫談條件機率 81
試寫第一個貝葉斯垃圾分類器 82
第4章 排序：智慧型收件箱 97
次序未知時該如何排序 97
按優先權給郵件排序 98
實現一個智慧型收件箱 102
第5章 回歸模型：預測網頁訪問量 128
回歸模型簡介 128
預測網頁流量 142
定義相關性 152
第6章 正則化：文本回歸 155
數據列之間的非線性關係：超越直線 155
避免過擬合的方法 164
文本回歸 174
第7章 最佳化：密碼破譯 182
最佳化簡介 182
嶺回歸 188
密碼破譯最佳化問題 193
第8章 PCA：構建股票市場指數 203
無監督學習 203
主成分分析 204
第9章 MDS：可視化地研究參議員相似性 212
基於相似性聚類 212
如何對美國參議員做聚類 219
第10章 kNN：推薦系統 229
k近鄰算法 229
R語言程式包安裝數據 235
第11章 分析社交圖譜 239
社交網路分析 239
用黑客的方法研究Twitter的社交關係圖數據 244
分析Twitter社交網路 252
第12章 模型比較 270
SVM：支持向量機 270
算法比較 280
參考文獻 287
