具體描述
《集體智慧編程》以機器學習與計算統計為主題背景，專門講述如何挖掘和分析Web 上的數據和資源，如何分析用戶體驗、市場營銷、個人品味等諸多信息，並得齣有用的結論，通過復雜的算法來從Web 網站獲取、收集並分析用戶的數據和反饋信息，以便創造新的用戶價值和商業價值。全書內容翔實，包括協作過濾技術（實現關聯産品推薦功能）、集群數據分析（在大規模數據集中發掘相似的數據子集）、搜索引擎核心技術（爬蟲、索引、查詢引擎、PageRank算法等）、搜索海量信息並進行分析統計得齣結論的優化算法、貝葉斯過濾技術（垃圾郵件過濾、文本過濾）、用決策樹技術實現預測和決策建模功能、社交網絡的信息匹配技術、機器學習和人工智能應用等。
《集體智慧編程》是Web 開發者、架構師、應用工程師等的絕佳選擇。
著者簡介
Toby Segaran是Genstruct公司的軟件開發主管，這傢公司涉足計算生物領域，他本人的職責是設計算法，並利用數據挖掘技術來輔助瞭解藥品機理。Toby Segaran還為其他幾傢公司和數個開源項目服務，幫助它們從收集到的數據當中分析並發掘價值。除此以外，Toby Segaran還建立瞭幾個免費的網站應用，包括流行的tasktoy和Lazybase。他非常喜歡滑雪與品酒，其博客地址是blog.kiwitobes.com，現居於舊金山。
圖書目錄
前言.................................................................................................................... viii
第1章 集體智慧導言......................................................................................... 1
什麼是集體智慧......................................................................................................................2
什麼是機器學習......................................................................................................................3
機器學習的局限......................................................................................................................4
真實生活中的例子..................................................................................................................5
學習型算法的其他用途..........................................................................................................5
第2章 提供推薦................................................................................................ 7
協作型過濾..............................................................................................................................7
搜集偏好.................................................................................................................................8
尋找相近的用戶......................................................................................................................9
推薦物品...............................................................................................................................15
匹配商品...............................................................................................................................17
構建一個基於del.icio.us的鏈接推薦係統..........................................................................19
基於物品的過濾....................................................................................................................22
使用MovieLens數據集........................................................................................................25
基於用戶進行過濾還是基於物品進行過濾........................................................................27
練習.......................................................................................................................................28
第3章 發現群組.............................................................................................. 29
監督學習和無監督學習........................................................................................................29
單詞嚮量...............................................................................................................................30
分級聚類...............................................................................................................................33
繪製樹狀圖............................................................................................................................38
列聚類...................................................................................................................................40
K-均值聚類............................................................................................................................42
針對偏好的聚類....................................................................................................................44
以二維形式展現數據............................................................................................................49
有關聚類的其他事宜............................................................................................................53
練習.......................................................................................................................................53
第4章 搜索與排名.......................................................................................... 54
搜索引擎的組成....................................................................................................................54
一個簡單的爬蟲程序............................................................................................................56
建立索引...............................................................................................................................58
查詢.......................................................................................................................................63
基於內容的排名....................................................................................................................64
利用外部迴指鏈接................................................................................................................69
從點擊行為中學習................................................................................................................74
練習.......................................................................................................................................84
第5章 優化..................................................................................................... 86
組團旅遊...............................................................................................................................87
描述題解...............................................................................................................................88
成本函數...............................................................................................................................89
隨機搜索...............................................................................................................................91
爬山法...................................................................................................................................92
模擬退火算法........................................................................................................................95
遺傳算法...............................................................................................................................97
真實的航班搜索..................................................................................................................101
涉及偏好的優化..................................................................................................................106
網絡可視化..........................................................................................................................110
其他可能的應用場閤..........................................................................................................115
練習.....................................................................................................................................116
第6章 文檔過濾.............................................................................................117
過濾垃圾信息......................................................................................................................117
文檔和單詞..........................................................................................................................118
對分類器進行訓練..............................................................................................................119
計算概率..............................................................................................................................121
樸素分類器..........................................................................................................................123
費捨爾方法..........................................................................................................................127
將經過訓練的分類器持久化..............................................................................................132
過濾博客訂閱源..................................................................................................................134
對特徵檢測的改進..............................................................................................................136
使用Akismet........................................................................................................................138
替代方法..............................................................................................................................139
練習.....................................................................................................................................140
第7章 決策樹建模........................................................................................ 142
預測注冊用戶......................................................................................................................142
引入決策樹..........................................................................................................................144
對樹進行訓練......................................................................................................................145
選擇最閤適的拆分方案......................................................................................................147
以遞歸方式構造樹..............................................................................................................149
決策樹的顯示......................................................................................................................151
對新的觀測數據進行分類..................................................................................................153
決策樹的剪枝......................................................................................................................154
處理缺失數據......................................................................................................................156
處理數值型結果..................................................................................................................158
對住房價格進行建模..........................................................................................................158
對“熱度”評價進行建模..................................................................................................161
什麼時候使用決策樹..........................................................................................................164
練習.....................................................................................................................................165
第8章 構建價格模型..................................................................................... 167
構造一個樣本數據集..........................................................................................................167
k-最近鄰算法.......................................................................................................................169
為近鄰分配權重..................................................................................................................172
交叉驗證..............................................................................................................................176
不同類型的變量..................................................................................................................178
對縮放結果進行優化..........................................................................................................181
不對稱分布..........................................................................................................................183
使用真實數據——eBay API...............................................................................................189
何時使用k-最近鄰算法......................................................................................................195
練習.....................................................................................................................................196
第9章 高階分類：核方法與SVM ................................................................. 197
婚介數據集..........................................................................................................................197
數據中的難點......................................................................................................................199
基本的綫性分類..................................................................................................................202
分類特徵..............................................................................................................................205
對數據進行縮放處理..........................................................................................................209
理解核方法..........................................................................................................................211
支持嚮量機..........................................................................................................................215
使用LIBSVM......................................................................................................................217
基於Facebook的匹配........................................................................................................219
練習.....................................................................................................................................225
第10章 尋找獨立特徵................................................................................... 226
搜集一組新聞......................................................................................................................227
先前的方法..........................................................................................................................231
非負矩陣因式分解..............................................................................................................232
結果呈現..............................................................................................................................240
利用股票市場的數據..........................................................................................................243
練習.....................................................................................................................................248
第11章 智能進化.......................................................................................... 250
什麼是遺傳編程..................................................................................................................250
將程序以樹形方式錶示......................................................................................................253
構造初始種群......................................................................................................................257
測試題解..............................................................................................................................259
對程序進行變異..................................................................................................................260
交叉.....................................................................................................................................263
構築環境..............................................................................................................................265
一個簡單的遊戲..................................................................................................................268
更多可能性..........................................................................................................................273
練習.....................................................................................................................................276
第12章 算法總結.......................................................................................... 277
貝葉斯分類器......................................................................................................................277
決策樹分類器......................................................................................................................281
神經網絡..............................................................................................................................285
支持嚮量機..........................................................................................................................289
k-最近鄰...............................................................................................................................293
聚類.....................................................................................................................................296
多維縮放..............................................................................................................................300
非負矩陣因式分解..............................................................................................................302
優化.....................................................................................................................................304
附錄A：第三方函數庫..................................................................................... 309
附錄B：數學公式............................................................................................. 316
索引.................................................................................................................. 323
· · · · · · (收起)
第1章 集體智慧導言......................................................................................... 1
什麼是集體智慧......................................................................................................................2
什麼是機器學習......................................................................................................................3
機器學習的局限......................................................................................................................4
真實生活中的例子..................................................................................................................5
學習型算法的其他用途..........................................................................................................5
第2章 提供推薦................................................................................................ 7
協作型過濾..............................................................................................................................7
搜集偏好.................................................................................................................................8
尋找相近的用戶......................................................................................................................9
推薦物品...............................................................................................................................15
匹配商品...............................................................................................................................17
構建一個基於del.icio.us的鏈接推薦係統..........................................................................19
基於物品的過濾....................................................................................................................22
使用MovieLens數據集........................................................................................................25
基於用戶進行過濾還是基於物品進行過濾........................................................................27
練習.......................................................................................................................................28
第3章 發現群組.............................................................................................. 29
監督學習和無監督學習........................................................................................................29
單詞嚮量...............................................................................................................................30
分級聚類...............................................................................................................................33
繪製樹狀圖............................................................................................................................38
列聚類...................................................................................................................................40
K-均值聚類............................................................................................................................42
針對偏好的聚類....................................................................................................................44
以二維形式展現數據............................................................................................................49
有關聚類的其他事宜............................................................................................................53
練習.......................................................................................................................................53
第4章 搜索與排名.......................................................................................... 54
搜索引擎的組成....................................................................................................................54
一個簡單的爬蟲程序............................................................................................................56
建立索引...............................................................................................................................58
查詢.......................................................................................................................................63
基於內容的排名....................................................................................................................64
利用外部迴指鏈接................................................................................................................69
從點擊行為中學習................................................................................................................74
練習.......................................................................................................................................84
第5章 優化..................................................................................................... 86
組團旅遊...............................................................................................................................87
描述題解...............................................................................................................................88
成本函數...............................................................................................................................89
隨機搜索...............................................................................................................................91
爬山法...................................................................................................................................92
模擬退火算法........................................................................................................................95
遺傳算法...............................................................................................................................97
真實的航班搜索..................................................................................................................101
涉及偏好的優化..................................................................................................................106
網絡可視化..........................................................................................................................110
其他可能的應用場閤..........................................................................................................115
練習.....................................................................................................................................116
第6章 文檔過濾.............................................................................................117
過濾垃圾信息......................................................................................................................117
文檔和單詞..........................................................................................................................118
對分類器進行訓練..............................................................................................................119
計算概率..............................................................................................................................121
樸素分類器..........................................................................................................................123
費捨爾方法..........................................................................................................................127
將經過訓練的分類器持久化..............................................................................................132
過濾博客訂閱源..................................................................................................................134
對特徵檢測的改進..............................................................................................................136
使用Akismet........................................................................................................................138
替代方法..............................................................................................................................139
練習.....................................................................................................................................140
第7章 決策樹建模........................................................................................ 142
預測注冊用戶......................................................................................................................142
引入決策樹..........................................................................................................................144
對樹進行訓練......................................................................................................................145
選擇最閤適的拆分方案......................................................................................................147
以遞歸方式構造樹..............................................................................................................149
決策樹的顯示......................................................................................................................151
對新的觀測數據進行分類..................................................................................................153
決策樹的剪枝......................................................................................................................154
處理缺失數據......................................................................................................................156
處理數值型結果..................................................................................................................158
對住房價格進行建模..........................................................................................................158
對“熱度”評價進行建模..................................................................................................161
什麼時候使用決策樹..........................................................................................................164
練習.....................................................................................................................................165
第8章 構建價格模型..................................................................................... 167
構造一個樣本數據集..........................................................................................................167
k-最近鄰算法.......................................................................................................................169
為近鄰分配權重..................................................................................................................172
交叉驗證..............................................................................................................................176
不同類型的變量..................................................................................................................178
對縮放結果進行優化..........................................................................................................181
不對稱分布..........................................................................................................................183
使用真實數據——eBay API...............................................................................................189
何時使用k-最近鄰算法......................................................................................................195
練習.....................................................................................................................................196
第9章 高階分類：核方法與SVM ................................................................. 197
婚介數據集..........................................................................................................................197
數據中的難點......................................................................................................................199
基本的綫性分類..................................................................................................................202
分類特徵..............................................................................................................................205
對數據進行縮放處理..........................................................................................................209
理解核方法..........................................................................................................................211
支持嚮量機..........................................................................................................................215
使用LIBSVM......................................................................................................................217
基於Facebook的匹配........................................................................................................219
練習.....................................................................................................................................225
第10章 尋找獨立特徵................................................................................... 226
搜集一組新聞......................................................................................................................227
先前的方法..........................................................................................................................231
非負矩陣因式分解..............................................................................................................232
結果呈現..............................................................................................................................240
利用股票市場的數據..........................................................................................................243
練習.....................................................................................................................................248
第11章 智能進化.......................................................................................... 250
什麼是遺傳編程..................................................................................................................250
將程序以樹形方式錶示......................................................................................................253
構造初始種群......................................................................................................................257
測試題解..............................................................................................................................259
對程序進行變異..................................................................................................................260
交叉.....................................................................................................................................263
構築環境..............................................................................................................................265
一個簡單的遊戲..................................................................................................................268
更多可能性..........................................................................................................................273
練習.....................................................................................................................................276
第12章 算法總結.......................................................................................... 277
貝葉斯分類器......................................................................................................................277
決策樹分類器......................................................................................................................281
神經網絡..............................................................................................................................285
支持嚮量機..........................................................................................................................289
k-最近鄰...............................................................................................................................293
聚類.....................................................................................................................................296
多維縮放..............................................................................................................................300
非負矩陣因式分解..............................................................................................................302
優化.....................................................................................................................................304
附錄A：第三方函數庫..................................................................................... 309
附錄B：數學公式............................................................................................. 316
索引.................................................................................................................. 323
· · · · · · (收起)
讀後感
評分
为了更好地学习本书，我从学习python开始到后来调试书中的网站实例。花了不少功夫，希望朋友们不要走弯路。这里提供了图文并茂的指导过程。请参考： http://blog.csdn.net/zjmwqx/article/details/7007438
評分来自guwendong的书评，贴上来供大家参考。 中国有句老话，叫做“知易行难”。 作算法的朋友应该更有体会，想把 paper 上的公式转变为可以运行的代码，这是件考验功力的事情。 Toby Segaran 写的这本《Programming Collective Intelligence》，是修炼此种功力的武林秘笈之一。 ...
評分中国有句老话，叫做“知易行难”。 作算法的朋友应该更有体会，想把 paper 上的公式转变为可以运行的代码，这是件考验功力的事情。 Toby Segaran 写的这本《Programming Collective Intelligence》，是修炼此种功力的武林秘笈之一。 这本书最显著的特点是，实战性极强！ 针对...
評分中国有句老话，叫做“知易行难”。 作算法的朋友应该更有体会，想把 paper 上的公式转变为可以运行的代码，这是件考验功力的事情。 Toby Segaran 写的这本《Programming Collective Intelligence》，是修炼此种功力的武林秘笈之一。 这本书最显著的特点是，实战性极强！ 针对...
評分看了没几页，就有醍醐灌顶的感觉，一起很多迷茫的问题都清晰了不少。相信看完并理解好了之后一定会功力大增
用戶評價
评分
適閤作為機器學習的入門讀物，前半部分將機器學習領域的經典基礎算法非常直觀，但是後半部分涉及復雜度較高的算法，就講得不甚清楚。不過，這本書是少見的翻譯比較用心的技術書。
评分很好的python學習書籍，可惜數據源有些過時瞭，，，
评分對於有經驗的人在這本書真的不怎麼樣，最多三分，這對於隻想瞭解的小白勉強能給四分。書中內容大部分都是傳統機器學習內容，但是講解都是草草帶過，一點都沒講透，書中代碼還挺多，但我想說代碼實在太爛瞭。這本書不知道怎麼得的這麼高分，頂多當個入門目錄看看。
评分計時學習，共334頁 用python2寫的，不爽 有些網站的訪問需要翻牆，不爽 20191016—01～1—2 20191019—02～2—各部分總覽 20191020—03～7—20 20191022—04～20—22跳過，直接進入第三章29— 這一天晚上給我氣的，這本書哪好瞭？ 其中的很多數據根據鏈接都找不到！ 也許實效性很強吧，我沒有趕上好時機。
评分機器學習算法入門&擴展視野；
相關圖書
本站所有內容均為互聯網搜索引擎提供的公開搜索信息，本站不存儲任何數據與內容，任何內容與數據均與本站無關，如有需要請聯繫相關搜索引擎包括但不限於百度，google,bing,sogou 等
© 2025 book.quotespace.org All Rights Reserved. 小美書屋 版权所有