機器學(xué)習(xí)Web應(yīng)用

定　價：￥59.00

作　者：	Andrea，Isoni，愛索尼克著
出版社：	人民郵電出版社
叢編項：
標(biāo)　簽：	暫缺

購買這本書可以去

ISBN：	9787115458520	出版時間：	2017-07-01	包裝：	平裝
開本：	16開	頁數(shù)：		字數(shù)：

內(nèi)容簡介

　　機器學(xué)習(xí)可用來處理由用戶產(chǎn)生的、數(shù)量不斷增長的Web數(shù)據(jù)。本書講解如何用Python語言、Django框架開發(fā)一款Web商業(yè)應(yīng)用，以及如何用一些現(xiàn)成的庫和工具（sklearn、scipy、nltk和Django等）處理和分析應(yīng)用所生成或使用的數(shù)據(jù)。本書不僅涉及機器學(xué)習(xí)的核心概念，還介紹了如何將數(shù)據(jù)部署到用Django框架開發(fā)的Web應(yīng)用，包括Web、文檔和服務(wù)器端數(shù)據(jù)的挖掘和推薦引擎的搭建方法。本書適合有志于成為或剛剛成為數(shù)據(jù)科學(xué)家的讀者學(xué)習(xí)，也適合對機器學(xué)習(xí)、Web數(shù)據(jù)挖掘等技術(shù)實踐感興趣的讀者參考閱讀。

作者簡介

　　Andrea Isoni博士是一名數(shù)據(jù)科學(xué)家、物理學(xué)家，他在軟件開發(fā)領(lǐng)域有著豐富的經(jīng)驗，在機器學(xué)習(xí)算法和技術(shù)方面，擁有廣博的知識。此外，他還有多種語言的使用經(jīng)驗，如Python、C/C++、Java、JavaScript、C#、SQL、HTML。他還用過Hadoop框架?！∽g者簡介杜春曉，英語語言文學(xué)學(xué)士，軟件工程碩士。其他譯著有《Python數(shù)據(jù)挖掘入門與實踐》《Python數(shù)據(jù)分析實戰(zhàn)》和《電子達人——我的第1本Raspberry Pi入門手冊》等。新浪微博：@宜_生。

圖書目錄

第1章　Python機器學(xué)習(xí)實踐入門 1
1.1　機器學(xué)習(xí)常用概念 1
1.2　數(shù)據(jù)的準(zhǔn)備、處理和可視化
—NumPy、pandas和matplotlib教程 6
1.2.1　NumPy的用法 6
1.2.2　理解pandas模塊 23
1.2.3　matplotlib教程 32
1.3　本書使用的科學(xué)計算庫 35
1.4　機器學(xué)習(xí)的應(yīng)用場景 36
1.5　小結(jié) 36
第2章　無監(jiān)督機器學(xué)習(xí) 37
2.1　聚類算法 37
2.1.1　分布方法 38
2.1.2　質(zhì)心點方法 40
2.1.3　密度方法 41
2.1.4　層次方法 44
2.2　降維 52
2.3　奇異值分解（SVD） 57
2.4　小結(jié) 58
第3章　有監(jiān)督機器學(xué)習(xí) 59
3.1　模型錯誤評估 59
3.2　廣義線性模型 60
3.2.1　廣義線性模型的概率
解釋 63
3.2.2　k近鄰 63
3.3　樸素貝葉斯 64
3.3.1　多項式樸素貝葉斯 65
3.3.2　高斯樸素貝葉斯 66
3.4　決策樹 67
3.5　支持向量機 70
3.6　有監(jiān)督學(xué)習(xí)方法的對比 75
3.6.1　回歸問題 75
3.6.2　分類問題 80
3.7　隱馬爾可夫模型 84
3.8　小結(jié) 93
第4章　Web挖掘技術(shù) 94
4.1　Web結(jié)構(gòu)挖掘 95
4.1.1　Web爬蟲 95
4.1.2　索引器 95
4.1.3　排序—PageRank
算法 96
4.2　Web內(nèi)容挖掘 97
句法解析 97
4.3　自然語言處理 98
4.4　信息的后處理 108
4.4.1　潛在狄利克雷分配 108
4.4.2　觀點挖掘（情感
分析） 113
4.5　小結(jié) 117
第5章　推薦系統(tǒng) 118
5.1　效用矩陣 118
5.2　相似度度量方法 120
5.3　協(xié)同過濾方法 120
5.3.1　基于記憶的協(xié)同
過濾 121
5.3.2　基于模型的協(xié)同
過濾 126
5.4　CBF方法 130
5.4.1　商品特征平均得分
方法 131
5.4.2　正則化線性回歸
方法 132
5.5　用關(guān)聯(lián)規(guī)則學(xué)習(xí)，構(gòu)建推薦
系統(tǒng) 133
5.6　對數(shù)似然比推薦方法 135
5.7　混合推薦系統(tǒng) 137
5.8　推薦系統(tǒng)評估 139
5.8.1　均方根誤差（RMSE）
評估 140
5.8.2　分類效果的度量方法 143
5.9　小結(jié) 144
第6章　開始Django之旅 145
6.1　HTTP—GET和POST方法的
基礎(chǔ) 145
6.1.1　Django的安裝和
服務(wù)器的搭建 146
6.1.2　配置 147
6.2　編寫應(yīng)用—Django
最重要的功能 150
6.2.1　model 150
6.2.2　HTML網(wǎng)頁背后的
URL和view 151
6.2.3　URL聲明和view 154
6.3　管理后臺 157
6.3.1　shell接口 158
6.3.2　命令 159
6.3.3　RESTful應(yīng)用編程
接口（API） 160
6.4　小結(jié) 162
第7章　電影推薦系統(tǒng)Web應(yīng)用 163
7.1　讓應(yīng)用跑起來 163
7.2　model 165
7.3　命令 166
7.4　實現(xiàn)用戶的注冊、登錄和
登出功能 172
7.5　信息檢索系統(tǒng)（電影查詢） 175
7.6　打分系統(tǒng) 178
7.7　推薦系統(tǒng) 180
7.8　管理界面和API 182
7.9　小結(jié) 184
第8章　影評情感分析應(yīng)用 185
8.1　影評情感分析應(yīng)用用法
簡介 185
8.2　搜索引擎的選取和應(yīng)用的
代碼 187
8.3　Scrapy的配置和情感分析
應(yīng)用代碼 189
8.3.1　Scrapy的設(shè)置 190
8.3.2　Scraper 190
8.3.3　Pipeline 193
8.3.4　爬蟲 194
8.4　Django model 196
8.5　整合Django和Scrapy 197
8.5.1　命令（情感分析模型和
刪除查詢結(jié)果） 198
8.5.2　情感分析模型加載器 198
8.5.3　刪除已執(zhí)行過的查詢 201
8.5.4　影評情感分析器—
Django view和HTML
代碼 202
8.6　PageRank：Django view和
算法實現(xiàn) 206
8.7　管理后臺和API 210
8.8　小結(jié) 212