![智能Web算法(第2版)](https://pic.arkread.com/cover/ebook/f/136274990.1653697989.jpg!cover_default.jpg)
智能Web算法(第2版)
作品简介
机器学习一直是人工智能研究领域的重要方向,而在大数据时代,来自Web的数据采集、挖掘、应用技术又越来越受到瞩目,并创造着巨大的价值。本书是有关Web数据挖掘和机器学习技术的一本知名的著作,第2版进一步加入了本领域最新的研究内容和应用案例,介绍了统计学、结构建模、推荐系统、数据分类、点击预测、深度学习、效果评估、数据采集等众多方面的内容。本书内容翔实、案例生动,有很高的阅读价值。
(英)道格拉斯·G.麦基尔雷思(Douglas G.McIlwraith),(美)哈若拉玛·玛若曼尼斯(Haralambos Marmanis),(美)德米特里·巴邦科(Dmitry Babenko)著。
作品目录
译者序
译者简介
序言
前言
致谢
关于本书
1 为智能Web建立应用
1.1 智能算法的实践运用:Google Now
1.2 智能算法的生命周期
1.3 智能算法的更多示例
1.4 不属于智能应用的内容
1.5 智能算法的类别体系
1.6 评估智能算法的效果
1.7 智能算法的重点归纳
1.8 本章小结
2 从数据中提取结构:聚类和数据变换
2.1 数据、结构、偏见和噪声
2.2 维度诅咒
2.3 k-means算法
2.4 高斯混合模型
2.5 k-means和GMM的关系
2.6 数据坐标轴的变换
2.7 本章小结
3 推荐系统的相关内容
3.1 场景设置:在线电影商店
3.2 距离和相似度
3.3 推荐引擎是如何工作的
3.4 基于用户的协同过滤
3.5 奇异值分解用于基于模型的推荐
3.6 Netflix竞赛
3.7 评估推荐系统
3.8 本章小结
4 分类:将物品归类到所属的地方
4.1 对分类的需求
4.2 分类算法概览
4.3 基于逻辑回归的欺诈检测
4.4 你的结果可信吗
4.5 大型数据集的分类技术
4.6 本章小结
5 在线广告点击预测
5.1 历史与背景
5.2 广告交易平台
5.3 什么是bidder
5.4 何为决策引擎
5.5 使用Vowpal Wabbit进行点击预测
5.6 构建决策引擎的复杂问题
5.7 实时预测系统的前景
5.8 本章小结
6 深度学习和神经网络
6.1 深度学习的直观方法
6.2 神经网络
6.3 感知机
6.4 多层感知机
6.5 更深层:从多层神经网络到深度学习
6.6 本章小结
7 做出正确的选择
7.1 A/B测试
7.2 多臂赌博机
7.3 实践中的贝叶斯赌博机策略
7.4 A/B测试与贝叶斯赌博机的对比
7.5 扩展到多臂赌博机
7.6 本章小结
8 智能Web的未来
8.1 智能Web的未来应用
8.2 智能Web的社会影响
附录A 抓取网络上的数据
载入中