机器学习

内容简介：

这本书为机器学习技术提供了一些非常棒的案例研究。它并不想成为一本关于机器学习的工具书或者理论书籍，它注重的是一个学习的过程，因而对于任何有一些编程背景和定量思维的人来说，它都是不错的选择。

——Max Shron OkCupid

机器学习是计算机科学和人工智能中非常重要的一个研究领域，近年来，机器学习不但在计算机科学的众多领域中大显身手，而且成为一些交叉学科的重要支撑技术。本书比较全面系统地介绍了机器学习的方法和技术，不仅详细阐述了许多经典的学习方法，还讨论了一些有生命力的新理论、新方法。

全书案例既有分类问题，也有回归问题；既包含监督学习，也涵盖无监督学习。本书讨论的案例从分类讲到回归，然后讨论了聚类、降维、最优化问题等。这些案例包括分类：垃圾邮件识别，排序：智能收件箱，回归模型：预测网页访问量，正则化：文本回归，最优化：密码破解，无监督学习：构建股票市场指数，空间相似度：用投票记录对美国参议员聚类，推荐系统：给用户推荐R语言包，社交网络分析：在Twitter上感兴趣的人，模型比较：给你的问题找到最佳算法。各章对原理的叙述力求概念清晰、表达准确，突出理论联系实际，富有启发性，易于理解。在探索这些案例的过程中用到的基本工具就是R统计编程语言。R语言非常适合用于机器学习的案例研究，因为它是一种用于数据分析的高水平、功能性脚本语言。

本书主要内容：

·开发一个朴素贝叶斯分类器，仅仅根据邮件的文本信息来判断这封邮件是否是垃圾邮件；

·使用线性回归来预测互联网排名前1000网站的PV；

·利用文本回归理解图书中词与词之间的关系；

·通过尝试破译一个简单的密码来学习优化技术；

·利用无监督学习构建股票市场指数，用于衡量整体市场行情的好坏；

·根据美国参议院的投票情况，从统计学的角度对美国参议员聚类；

·通过K近邻算法构建向用户推荐R语言包；

·利用Twitter数据来构建一个“你可能感兴趣的人”的推荐系统；

·模型比较：给你的问题找到最佳算法。

作者简介：

【作者介绍】

Drew Conway 机器学习专家，拥有丰富的数据分析与处理工作经验。目前主要利用数学、统计学和计算机技术研究国际关系、冲突和恐怖主义等。他曾作为研究员在美国情报和国防部门供职数年。他拥有纽约大学政治系博士学位，曾为多种杂志撰写文章，是机器学习领域的著名学者。

John Myles White 机器学习专家，拥有丰富的数据分析与处理工作经验。目前主要从理论和实验的角度来研究人类如何做出决定，同时还是几个流行的R语言程序包的主要维护者，包括ProjectTemplate和log4r。他拥有普林斯顿大学哲学系博士学位，曾为多家技术杂志撰稿，发表过许多关于机器学习的论文，并在众多国际会议上发表演讲。

【译者介绍】

罗森林 博士，教授，博导。现任北京理工大学信息系统及安全对抗实验中心主任、专业责任教授。国防科技工业局科学技术委员会成员；《中国医学影像技术杂志》、《中国介入影像与治疗学》编委会委员；全国大学生信息安全技术专题邀请赛专家组副组长；中国人工智能学会智能信息安全专业委员会委员等。主要研究方向为信息安全、数据挖掘、媒体计算、中文信息处理等。负责或参加完成国家自然科学基金、国家科技支撑计划、863计划、国家242计划等省部级以上项目40余项。已发表学术论文90余篇，出版著作8部，出版译著1部，获授权专利3项。

陈开江　新浪微博搜索部研发工程师，曾独立负责微博内容反垃圾系统、微博精选内容挖掘算法、自助客服系统（包括自动回复、主动挖掘、舆情监测）等项目，目前主要从事社交挖掘、推荐算法研究、机器学习、自然语言处理相关工作，研究兴趣是社交网络的个性化推荐。

刘逸哲　阿里巴巴，CBU基础平台部搜索与推荐团队核心技术与query分析方向负责人，机器学习技术领域及圈子负责人。曾任中国雅虎相关性团队、自然语言处理团队算法工程师；AvePoint.inc开发工程师，从事企业级搜索引擎开发。研究兴趣是机器学习、自然语言处理及个性化推荐等算法在大规模数据上的应用。

孟晓楠　一淘广告技术，阿里非搜索广告算法负责人，负责用户行为分析、建模与细分，RTB竞价算法，展示广告CTR预估与SEM优化。曾工作于网易杭州研究院，参与过分布式全文检索系统和网易博客产品的数据挖掘算法开发。研究兴趣是计算广告技术、机器学习、大数据技术、信息检索等。

目录：

前言 1

第1章 使用R语言 9

R与机器学习 10

第2章 数据分析 36

分析与验证 36

什么是数据 37

推断数据的类型 40

推断数据的含义 42

数值摘要表 43

均值、中位数、众数 44

分位数 46

标准差和方差 47

可视化分析数据 49

列相关的可视化 68

第3章 分类：垃圾过滤 77

非此即彼：二分类 77

漫谈条件概率 81

试写第一个贝叶斯垃圾分类器 82

第4章 排序：智能收件箱 97

次序未知时该如何排序 97

按优先级给邮件排序 98

实现一个智能收件箱 102

第5章 回归模型：预测网页访问量 128

回归模型简介 128

预测网页流量 142

定义相关性 152

第6章 正则化：文本回归 155

数据列之间的非线性关系：超越直线 155

避免过拟合的方法 164

文本回归 174

第7章 优化：密码破译 182

优化简介 182

岭回归 188

密码破译优化问题 193

第8章 PCA：构建股票市场指数 203

无监督学习 203

主成分分析 204

第9章 MDS：可视化地研究参议员相似性 212

基于相似性聚类 212

如何对美国参议员做聚类 219

第10章 kNN：推荐系统 229

k近邻算法 229

R语言程序包安装数据 235

第11章 分析社交图谱 239

社交网络分析 239

用黑客的方法研究Twitter的社交关系图数据 244

分析Twitter社交网络 252

第12章 模型比较 270

SVM：支持向量机 270

算法比较 280

参考文献 287