機(jī)器學(xué)習(xí)：實(shí)用技術(shù)指南

Contents 目　　錄
譯者序
前言
致謝
第1章　什么是機(jī)器學(xué)習(xí)1
1.1　機(jī)器學(xué)習(xí)的歷史1
1.1.1阿蘭·圖靈1
1.1.2亞瑟·塞繆爾2
1.1.3湯姆 M.米切爾2
1.1.4總結(jié)定義2
1.2機(jī)器學(xué)習(xí)的算法類(lèi)型2
1.2.1監(jiān)督學(xué)習(xí)3
1.2.2無(wú)監(jiān)督學(xué)習(xí)3
1.3人的作用3
1.4機(jī)器學(xué)習(xí)的用途4
1.4.1軟件4
1.4.2股票交易4
1.4.3機(jī)器人學(xué)5
1.4.4醫(yī)學(xué)和醫(yī)療5
1.4.5廣告業(yè)5
1.4.6零售和電子商務(wù)6
1.4.7游戲分析7
1.4.8物聯(lián)網(wǎng)7
1.5機(jī)器學(xué)習(xí)語(yǔ)言8
1.5.1Python8
1.5.2R8
1.5.3Matlab8
1.5.4Scala8
1.5.5Clojure9
1.5.6Ruby9
1.6　本書(shū)使用的軟件9
1.6.1檢查Java版本9
1.6.2Weka 工具包9
1.6.3Mahout10
1.6.4Spring XD10
1.6.5Hadoop11
1.6.6使用集成開(kāi)發(fā)環(huán)境11
1.7數(shù)據(jù)庫(kù)11
1.7.1加州大學(xué)歐文分校機(jī)器學(xué)習(xí)庫(kù)12
1.7.2Infochimps12
1.7.3Kaggle12
1.8總結(jié)12
第2章　籌備機(jī)器學(xué)習(xí)13
2.1機(jī)器學(xué)習(xí)周期13
2.2以問(wèn)題為先導(dǎo)13
2.3缺少數(shù)據(jù)14
2.3.1從身邊做起14
2.3.2比賽14
2.4一勞永逸的解決方案15
2.5界定機(jī)器學(xué)習(xí)過(guò)程15
2.5.1規(guī)劃15
2.5.2開(kāi)發(fā)16
2.5.3測(cè)試16
2.5.4報(bào)告16
2.5.5精煉16
2.5.6產(chǎn)品16
2.6建立數(shù)據(jù)團(tuán)隊(duì)17
2.6.1數(shù)學(xué)和統(tǒng)計(jì)學(xué)17
2.6.2編程17
2.6.3圖形設(shè)計(jì)17
2.6.4行業(yè)知識(shí)17
2.7數(shù)據(jù)處理18
2.7.1使用個(gè)人計(jì)算機(jī)18
2.7.2計(jì)算機(jī)集群18
2.7.3云服務(wù)18
2.8數(shù)據(jù)存儲(chǔ)19
2.8.1物理磁盤(pán)19
2.8.2云存儲(chǔ)19
2.9數(shù)據(jù)隱私19
2.9.1文化規(guī)范19
2.9.2普遍的期望20
2.9.3用戶數(shù)據(jù)匿名20
2.9.4不要穿過(guò)“底線”21
2.10數(shù)據(jù)質(zhì)量和清洗21
2.10.1完整性檢測(cè)22
2.10.2類(lèi)型檢測(cè)22
2.10.3長(zhǎng)度檢測(cè)22
2.10.4范圍檢測(cè)22
2.10.5格式檢測(cè)23
2.10.6進(jìn)退兩難23
2.10.7國(guó)家名內(nèi)包含的內(nèi)容26
2.10.8數(shù)值和日期27
2.10.9有關(guān)數(shù)據(jù)清洗的最后看法28
2.11思考輸入數(shù)據(jù)28
2.11.1原始文本28
2.11.2逗號(hào)分隔變量28
2.11.3JSON29
2.11.4YAML30
2.11.5XML31
2.11.6電子表格32
2.11.7數(shù)據(jù)庫(kù)32
2.11.8圖像33
2.12考慮輸出數(shù)據(jù)33
2.13不要害怕實(shí)驗(yàn)33
2.14總結(jié)34
第3章　決策樹(shù)35
3.1決策樹(shù)基礎(chǔ)35
3.1.1決策樹(shù)的用途35
3.1.2決策樹(shù)的優(yōu)點(diǎn)36
3.1.3決策樹(shù)的局限36
3.1.4相關(guān)算法類(lèi)型36
3.1.5決策樹(shù)工作原理37
3.2　Weka中的決策樹(shù)40
3.2.1需求40
3.2.2訓(xùn)練數(shù)據(jù)41
3.2.3使用Weka創(chuàng)建決策樹(shù)42
3.2.4為分類(lèi)器生成Java代碼46
3.2.5測(cè)試分類(lèi)器代碼49
3.2.6進(jìn)一步的思考51
3.3總結(jié)51
第4章　貝葉斯網(wǎng)絡(luò)52
4.1從飛行員到回形針52
4.2圖論53
4.3概率論54
4.3.1投擲硬幣54
4.3.2條件概率54
4.3.3賭博中獲勝54
4.4貝葉斯定理55
4.5貝葉斯網(wǎng)絡(luò)原理57
4.5.1賦值57
4.5.2計(jì)算結(jié)果58
4.6節(jié)點(diǎn)的個(gè)數(shù)59
4.7利用領(lǐng)域?qū)＜业男畔?9
4.8貝葉斯網(wǎng)絡(luò)演練59
4.8.1貝葉斯網(wǎng)絡(luò)中的Java API60
4.8.2設(shè)計(jì)網(wǎng)絡(luò)60
4.8.3編程61
4.9總結(jié)69
第5章　人工神經(jīng)網(wǎng)絡(luò)70
5.1什么是神經(jīng)網(wǎng)絡(luò)70
5.2人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用71
5.2.1高頻交易71
5.2.2信用分析71
5.2.3數(shù)據(jù)中心管理71
5.2.4機(jī)器人72
5.2.5藥效監(jiān)控72
5.3人工神經(jīng)網(wǎng)絡(luò)分解72
5.3.1感知機(jī)72
5.3.2激活函數(shù)73
5.3.3多層感知機(jī)74
5.3.4后向傳播算法75
5.4人工神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)準(zhǔn)備76
5.5　Weka中的人工神經(jīng)網(wǎng)絡(luò)76
5.5.1新建數(shù)據(jù)集76
5.5.2將數(shù)據(jù)載入Weka中78
5.5.3配置多層感知機(jī)79
5.5.4訓(xùn)練網(wǎng)絡(luò)81
5.5.5調(diào)整網(wǎng)絡(luò)83
5.5.6增加測(cè)試數(shù)據(jù)規(guī)模83
5.6利用Java實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)84
5.6.1創(chuàng)建項(xiàng)目84
5.6.2實(shí)現(xiàn)代碼86
5.6.3CSV與Arff文件轉(zhuǎn)換88
5.6.4運(yùn)行神經(jīng)網(wǎng)絡(luò)88
5.7總結(jié)89
第6章　關(guān)聯(lián)規(guī)則學(xué)習(xí)90
6.1關(guān)聯(lián)規(guī)則學(xué)習(xí)的應(yīng)用90
6.1.1Web使用挖掘90
6.1.2啤酒和尿布91
6.2關(guān)聯(lián)規(guī)則學(xué)習(xí)工作原理92
6.2.1支持度92
6.2.2置信度93
6.2.3提升度93
6.2.4確信度93
6.2.5計(jì)算步驟94
6.3算法94
6.3.1 Apiori94
6.3.2FP-Growth95
6.4基于購(gòu)物籃分析的實(shí)戰(zhàn)95
6.4.1下載原始數(shù)據(jù)95
6.4.2在Eclipse中搭建工程96
6.4.3建立項(xiàng)目的數(shù)據(jù)文件97
6.4.4 設(shè)置數(shù)據(jù)99
6.4.5運(yùn)行Mahout101
6.4.6檢查結(jié)果103
6.4.7結(jié)果整合105
6.4.8進(jìn)一步開(kāi)發(fā)106
6.5總結(jié)106
第7章　支持向量機(jī)107
7.1什么是支持向量機(jī)107
7.2何處使用支持向量機(jī)107
7.3基本分類(lèi)原則108
7.3.1二分類(lèi)和多分類(lèi)108
7.3.2線性分類(lèi)器109
7.3.3置信度109
7.3.4最大化或最小化尋找直線110
7.4支持向量機(jī)如何實(shí)現(xiàn)分類(lèi)110
7.4.1使用線性分類(lèi)110
7.4.2使用非線性分類(lèi)112
7.5在Weka中使用支持向量機(jī)112
7.5.1安裝LibSVM112
7.5.2分類(lèi)演示113
7.5.3用Java實(shí)現(xiàn)LibSVM117
7.6總結(jié)122
第8章　聚類(lèi)123
8.1什么是聚類(lèi)123
8.2聚類(lèi)應(yīng)用123
8.2.1因特網(wǎng)124
8.2.2商業(yè)和零售業(yè)124
8.2.3執(zhí)法部門(mén)124
8.2.4計(jì)算124
8.3聚類(lèi)模型125
8.3.1k-均值的工作原理125
8.3.2計(jì)算一個(gè)數(shù)據(jù)集中聚類(lèi)的數(shù)量126
8.4使用Weka做k-均值聚類(lèi)127
8.4.1準(zhǔn)備數(shù)據(jù)128
8.4.2工作臺(tái)方法129
8.4.3命令行方法133
8.4.4編程方法135
8.5總結(jié)143
第9章　實(shí)時(shí)機(jī)器學(xué)習(xí)—使用Spring XD框架144
9.1獲取消防水管式的數(shù)據(jù)144
9.1.1使用實(shí)時(shí)數(shù)據(jù)的注意事項(xiàng)144
9.1.2實(shí)時(shí)系統(tǒng)的使用范圍145
9.2