機器學習：實用案例解析（簡體書）

O’Reilly Media通過圖書、雜誌、在線服務、調查研究和會議等方式傳播創新知識。自1978年開始，O’Reilly一直都是前沿發展的見證者和推動者。超級極客們正在開創著未來，而我們關注真正重要的技術趨勢——通過放大那些“細微的信號”來刺激社會對新科技的應用。作為技術社區中活躍的參與者，O’Reilly的發展充滿了對創新的倡導、創造和發揚光大。O’Reilly為軟件開發人員帶來革命性的“動物書”；創建第一個商業網站（GNN）；組織了影響深遠的開放源代碼峰會，以至於開源軟件運動以此命名；創立了Make雜誌，從而成為DIY革命的主要先鋒；公司一如既往地通過多種形式締結信息與人的紐帶。O’Reilly的會議和峰會集聚了眾多超級極客和高瞻遠矚的商業領袖，共同描繪出開創新產業的革命性思想。作為技術人士獲取信息的選擇，O’Reilly現在還將先鋒專家的知識傳遞給普通的計算機用戶。無論是通過書籍出版，在線服務或者面授課程，每一項O’Reilly的產品都反映了公司不可動搖的理念——信息是激發創新的力量。

Drew Conway，機器學習專家，擁有豐富的數據分析、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、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語言程序包的主要維護者，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。譯者介紹陳開江，新浪微博搜索部研發工程師，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，研究興趣是社交網絡的個性化推薦。劉逸哲，阿裡巴巴，CBU基礎平臺部搜索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，從事企業級搜索引擎開發。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應用。孟曉楠，一淘廣告技術，阿裡非搜索廣告算法負責人，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優化。曾工作于網易杭州研究院，參與過分布式全文檢索系統和網易博客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。

《機器學習:實用案例解析》編輯推薦：1.《機器學習:實用案例解析》是機器學習和數據挖掘領域的經典圖書，基礎理論與實踐完美的結合，是一部邏輯緊密、內容詳實，適合所有相關技術人員的參考書。2.《機器學習:實用案例解析》兩名作者都具有豐富的數據分析、處理工作經驗，是機器學習實踐技術方面的積極實踐者。

作者：（美國）Drew Conway （美國）John Myles White 譯者：羅森林 陳開江 劉逸哲 孟曉楠

Drew Conway，機器學習專家，擁有豐富的數據分析、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系、沖突和恐怖主義等。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，曾為多種雜志撰寫文章，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、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語言程序包的主要維護者，包括ProjectTemplate和log4r。他擁有普林斯頓大學哲學系博士學位，曾為多家技術雜志撰稿，發表過許多關于機器學習的論文，并在眾多國際會議上發表演講。
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志》、《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；中國人工智能學會智能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、國家科技支撐計劃、863計劃、國家242計劃等省部級以上項目40余項。已發表學術論文90余篇，出版著作8部，出版譯著1部，獲授權專利3項。
陳開江，新浪微博搜索部研發工程師，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，研究興趣是社交網絡的個性化推薦。
劉逸哲，阿里巴巴，CBU基礎平臺部搜索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，從事企業級搜索引擎開發。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應用。
孟曉楠，一淘廣告技術，阿里非搜索廣告算法負責人，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優化。曾工作于網易杭州研究院，參與過分布式全文檢索系統和網易博客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。

前言 第1章 使用R語言 R與機器學習 第2章 數據分析 分析與驗證 什麼是數據 推斷數據的類型 推斷數據的含義 數值摘要表 均值、中位數、眾數 分位數 標準差和方差 可視化分析數據 列相關的可視化 第3章 分類：垃圾過濾 非此即彼：二分類 漫談條件概率 試寫第一個貝葉斯垃圾分類器 第4章 排序：智能收件箱 次序未知時該如何排序 按優先級給郵件排序 實現一個智能收件箱 第5章 回歸模型：預測網頁訪問量 回歸模型簡介 預測網頁流量 定義相關性 第6章 正則化：文本回歸 數據列之間的非線性關係：超越直線 避免過擬合的方法 文本回歸 第7章 優化：密碼破譯 優化簡介 嶺回歸 密碼破譯優化問題 第8章 PCA：構建股票市場指數 無監督學習 主成分分析 第9章 MDS：可視化地研究參議員相似性 基於相似性聚類 如何對美國參議員做聚類 第10章 kNN：推薦系統 k近鄰算法 R語言程序包安裝數據 第11章 分析社交圖譜 社交網絡分析 用黑客的方法研究Twitter的社交關係圖數據 分析Twitter社交網絡 第12章 模型比較 SVM：支持向量機 算法比較 參考文獻