机器学习-轻识

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...

本书主要内容如下：

 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。

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。曾作为研究员在美国情报和国防部门供职数年。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。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。