机器学习：实用案例解析

　　O’Reilly Media通过图书、杂志、在线服务、调查研究和会议等方式传播创新知识。自1978年开始，O’Reilly一直都是前沿发展的见证者和推动者。超级极客们正在开创着未来，而我们关注真正重要的技术趋势——通过放大那些“细微的信号”来刺激社会对新科技的应用。作为技术社区中活跃的参与者，O’Reilly的发展充满了对创新的倡导、创造和发扬光大。O’Reilly为软件开发人员带来革命性的“动物书”；创建第一个商业网站（GNN）；组织了影响深远的开放源代码峰会，以至于开源软件运动以此命名；创立了Make杂志，从而成为DIY革命的主要先锋；公司一如既往地通过多种形式缔结信息与人的纽带。O’Reilly的会议和峰会集聚了众多超级极客和高瞻远瞩的商业领袖，共同描绘出开创新产业的革命性思想。作为技术人士获取信息的选择，O’Reilly现在还将先锋专家的知识传递给普通的计算机用户。无论是通过书籍出版，在线服务或者面授课程，每一项O’Reilly的产品都反映了公司不可动摇的理念——信息是激发创新的力量。

　　Drew Conway，机器学习专家，拥有丰富的数据分析、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、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。

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