孔夫子旧书网-网上买书卖书、古旧书收藏品交易平台 孔夫子旧书网-网上买书卖书、古旧书收藏品交易平台 占位居中 孔夫子旧书网-网上买书卖书、古旧书收藏品交易平台
商品
拍卖区
在售
已售
搜索历史
搜索
高级搜索

机器学习Web应用

机器学习Web应用
分享
扫描下方二维码分享到微信
打开微信，点击右上角”+“，
使用”扫一扫“即可将网页分享到朋友圈。
作者: 著 , 著 , 著
出版社: 人民邮电出版社
2017-07
版次: 1
ISBN: 9787115458520
定价: 59.00
装帧: 平装
开本: 16开
纸张: 胶版纸
分类: 教育
13人买过
  • 　　机器学习可用来处理由用户产生的、数量不断增长的Web数据。  
    　　本书讲解如何用Python语言、Django框架开发一款Web商业应用，以及如何用一些现成的库和工具（sklearn、scipy、nltk和Django等）处理和分析应用所生成或使用的数据。本书不仅涉及机器学习的核心概念，还介绍了如何将数据部署到用Django框架开发的Web应用，包括Web、文档和服务器端数据的挖掘和推荐引擎的搭建方法。  
    　　本书适合有志于成为或刚刚成为数据科学家的读者学习，也适合对机器学习、Web数据挖掘等技术实践感兴趣的读者参考阅读。  

    　　Andrea Isoni博士是一名数据科学家、物理学家，他在软件开发领域有着丰富的经验，在机器学习算法和技术方面，拥有广博的知识。此外，他还有多种语言的使用经验，如Python、C/C++、Java、JavaScript、C#、SQL、HTML。他还用过Hadoop框架。  

     
    　　译者简介  
    　　杜春晓，英语语言文学学士，软件工程硕士。其他译著有《Python数据挖掘入门与实践》《Python数据分析实战》和《电子达人——我的第1本Raspberry Pi入门手册》等。新浪微博：@宜_生。 

    第1章　Python机器学习实践入门 1  
    1.1　机器学习常用概念 1  
    1.2　数据的准备、处理和可视化  
    —NumPy、pandas和matplotlib教程 6  
    1.2.1　NumPy的用法 6  
    1.2.2　理解pandas模块 23  
    1.2.3　matplotlib教程 32  
    1.3　本书使用的科学计算库 35  
    1.4　机器学习的应用场景 36  
    1.5　小结 36  
    第2章　无监督机器学习 37  
    2.1　聚类算法 37  
    2.1.1　分布方法 38  
    2.1.2　质心点方法 40  
    2.1.3　密度方法 41  
    2.1.4　层次方法 44  
    2.2　降维 52  
    2.3　奇异值分解（SVD） 57  
    2.4　小结 58  
    第3章　有监督机器学习 59  
    3.1　模型错误评估 59  
    3.2　广义线性模型 60  
    3.2.1　广义线性模型的概率  
    解释 63  
    3.2.2　k近邻 63  
    3.3　朴素贝叶斯 64  
    3.3.1　多项式朴素贝叶斯 65  
    3.3.2　高斯朴素贝叶斯 66  
    3.4　决策树 67  
    3.5　支持向量机 70  
    3.6　有监督学习方法的对比 75  
    3.6.1　回归问题 75  
    3.6.2　分类问题 80  
    3.7　隐马尔可夫模型 84  
    3.8　小结 93  
    第4章　Web挖掘技术 94  
    4.1　Web结构挖掘 95  
    4.1.1　Web爬虫 95  
    4.1.2　索引器 95  
    4.1.3　排序—PageRank  
    算法 96  
    4.2　Web内容挖掘 97  
    句法解析 97  
    4.3　自然语言处理 98  
    4.4　信息的后处理 108  
    4.4.1　潜在狄利克雷分配 108  
    4.4.2　观点挖掘（情感  
    分析） 113  
    4.5　小结 117  
    第5章　推荐系统 118  
    5.1　效用矩阵 118  
    5.2　相似度度量方法 120  
    5.3　协同过滤方法 120  
    5.3.1　基于记忆的协同  
    过滤 121  
    5.3.2　基于模型的协同  
    过滤 126  
    5.4　CBF方法 130  
    5.4.1　商品特征平均得分  
    方法 131  
    5.4.2　正则化线性回归  
    方法 132  
    5.5　用关联规则学习，构建推荐  
    系统 133  
    5.6　对数似然比推荐方法 135  
    5.7　混合推荐系统 137  
    5.8　推荐系统评估 139  
    5.8.1　均方根误差（RMSE）  
    评估 140  
    5.8.2　分类效果的度量方法 143  
    5.9　小结 144  
    第6章　开始Django之旅 145  
    6.1　HTTP—GET和POST方法的  
    基础 145  
    6.1.1　Django的安装和  
    服务器的搭建 146  
    6.1.2　配置 147  
    6.2　编写应用—Django  
    最重要的功能 150  
    6.2.1　model 150  
    6.2.2　HTML网页背后的  
    URL和view 151  
    6.2.3　URL声明和view 154  
    6.3　管理后台 157  
    6.3.1　shell接口 158  
    6.3.2　命令 159  
    6.3.3　RESTful应用编程  
    接口（API） 160  
    6.4　小结 162  
    第7章　电影推荐系统Web应用 163  
    7.1　让应用跑起来 163  
    7.2　model 165  
    7.3　命令 166  
    7.4　实现用户的注册、登录和  
    登出功能 172  
    7.5　信息检索系统（电影查询） 175  
    7.6　打分系统 178  
    7.7　推荐系统 180  
    7.8　管理界面和API 182  
    7.9　小结 184  
    第8章　影评情感分析应用 185  
    8.1　影评情感分析应用用法  
    简介 185  
    8.2　搜索引擎的选取和应用的  
    代码 187  
    8.3　Scrapy的配置和情感分析  
    应用代码 189  
    8.3.1　Scrapy的设置 190  
    8.3.2　Scraper 190  
    8.3.3　Pipeline 193  
    8.3.4　爬虫 194  
    8.4　Django model 196  
    8.5　整合Django和Scrapy 197  
    8.5.1　命令（情感分析模型和  
    删除查询结果） 198  
    8.5.2　情感分析模型加载器 198  
    8.5.3　删除已执行过的查询 201  
    8.5.4　影评情感分析器—  
    Django view和HTML  
    代码 202  
    8.6　PageRank：Django view和  
    算法实现 206  
    8.7　管理后台和API 210  
    8.8　小结 212 
  • 内容简介:
    　　机器学习可用来处理由用户产生的、数量不断增长的Web数据。  
    　　本书讲解如何用Python语言、Django框架开发一款Web商业应用，以及如何用一些现成的库和工具（sklearn、scipy、nltk和Django等）处理和分析应用所生成或使用的数据。本书不仅涉及机器学习的核心概念，还介绍了如何将数据部署到用Django框架开发的Web应用，包括Web、文档和服务器端数据的挖掘和推荐引擎的搭建方法。  
    　　本书适合有志于成为或刚刚成为数据科学家的读者学习，也适合对机器学习、Web数据挖掘等技术实践感兴趣的读者参考阅读。  

  • 作者简介:
    　　Andrea Isoni博士是一名数据科学家、物理学家，他在软件开发领域有着丰富的经验，在机器学习算法和技术方面，拥有广博的知识。此外，他还有多种语言的使用经验，如Python、C/C++、Java、JavaScript、C#、SQL、HTML。他还用过Hadoop框架。  

     
    　　译者简介  
    　　杜春晓，英语语言文学学士，软件工程硕士。其他译著有《Python数据挖掘入门与实践》《Python数据分析实战》和《电子达人——我的第1本Raspberry Pi入门手册》等。新浪微博：@宜_生。 

  • 目录:
    第1章　Python机器学习实践入门 1  
    1.1　机器学习常用概念 1  
    1.2　数据的准备、处理和可视化  
    —NumPy、pandas和matplotlib教程 6  
    1.2.1　NumPy的用法 6  
    1.2.2　理解pandas模块 23  
    1.2.3　matplotlib教程 32  
    1.3　本书使用的科学计算库 35  
    1.4　机器学习的应用场景 36  
    1.5　小结 36  
    第2章　无监督机器学习 37  
    2.1　聚类算法 37  
    2.1.1　分布方法 38  
    2.1.2　质心点方法 40  
    2.1.3　密度方法 41  
    2.1.4　层次方法 44  
    2.2　降维 52  
    2.3　奇异值分解（SVD） 57  
    2.4　小结 58  
    第3章　有监督机器学习 59  
    3.1　模型错误评估 59  
    3.2　广义线性模型 60  
    3.2.1　广义线性模型的概率  
    解释 63  
    3.2.2　k近邻 63  
    3.3　朴素贝叶斯 64  
    3.3.1　多项式朴素贝叶斯 65  
    3.3.2　高斯朴素贝叶斯 66  
    3.4　决策树 67  
    3.5　支持向量机 70  
    3.6　有监督学习方法的对比 75  
    3.6.1　回归问题 75  
    3.6.2　分类问题 80  
    3.7　隐马尔可夫模型 84  
    3.8　小结 93  
    第4章　Web挖掘技术 94  
    4.1　Web结构挖掘 95  
    4.1.1　Web爬虫 95  
    4.1.2　索引器 95  
    4.1.3　排序—PageRank  
    算法 96  
    4.2　Web内容挖掘 97  
    句法解析 97  
    4.3　自然语言处理 98  
    4.4　信息的后处理 108  
    4.4.1　潜在狄利克雷分配 108  
    4.4.2　观点挖掘（情感  
    分析） 113  
    4.5　小结 117  
    第5章　推荐系统 118  
    5.1　效用矩阵 118  
    5.2　相似度度量方法 120  
    5.3　协同过滤方法 120  
    5.3.1　基于记忆的协同  
    过滤 121  
    5.3.2　基于模型的协同  
    过滤 126  
    5.4　CBF方法 130  
    5.4.1　商品特征平均得分  
    方法 131  
    5.4.2　正则化线性回归  
    方法 132  
    5.5　用关联规则学习，构建推荐  
    系统 133  
    5.6　对数似然比推荐方法 135  
    5.7　混合推荐系统 137  
    5.8　推荐系统评估 139  
    5.8.1　均方根误差（RMSE）  
    评估 140  
    5.8.2　分类效果的度量方法 143  
    5.9　小结 144  
    第6章　开始Django之旅 145  
    6.1　HTTP—GET和POST方法的  
    基础 145  
    6.1.1　Django的安装和  
    服务器的搭建 146  
    6.1.2　配置 147  
    6.2　编写应用—Django  
    最重要的功能 150  
    6.2.1　model 150  
    6.2.2　HTML网页背后的  
    URL和view 151  
    6.2.3　URL声明和view 154  
    6.3　管理后台 157  
    6.3.1　shell接口 158  
    6.3.2　命令 159  
    6.3.3　RESTful应用编程  
    接口（API） 160  
    6.4　小结 162  
    第7章　电影推荐系统Web应用 163  
    7.1　让应用跑起来 163  
    7.2　model 165  
    7.3　命令 166  
    7.4　实现用户的注册、登录和  
    登出功能 172  
    7.5　信息检索系统（电影查询） 175  
    7.6　打分系统 178  
    7.7　推荐系统 180  
    7.8　管理界面和API 182  
    7.9　小结 184  
    第8章　影评情感分析应用 185  
    8.1　影评情感分析应用用法  
    简介 185  
    8.2　搜索引擎的选取和应用的  
    代码 187  
    8.3　Scrapy的配置和情感分析  
    应用代码 189  
    8.3.1　Scrapy的设置 190  
    8.3.2　Scraper 190  
    8.3.3　Pipeline 193  
    8.3.4　爬虫 194  
    8.4　Django model 196  
    8.5　整合Django和Scrapy 197  
    8.5.1　命令（情感分析模型和  
    删除查询结果） 198  
    8.5.2　情感分析模型加载器 198  
    8.5.3　删除已执行过的查询 201  
    8.5.4　影评情感分析器—  
    Django view和HTML  
    代码 202  
    8.6　PageRank：Django view和  
    算法实现 206  
    8.7　管理后台和API 210  
    8.8　小结 212 
查看详情
相关分类
教育学 教育理论 教育心理学
相关图书 / 更多
机器学习Web应用
机器视觉原理及应用教程
宋丽梅 朱新军 李云鹏 编著
￥30.00 起
机器学习Web应用
机器学习数学基础
赵建容；顾先明
￥50.69 起
机器学习Web应用
机器视觉技术：基础及实践
陈思遥 编著；陈兵旗；梁习卉子
￥28.68 起
机器学习Web应用
机器学习：工业大数据分析
李彦夫
￥20.00 起
机器学习Web应用
机器人工程基础
徐东 岳昊嵩
￥20.00 起
机器学习Web应用
机器和生灵：人工智能、动物智慧与人类智识
[美]保罗·萨伽德(Paul；Thagard
￥25.60 起
机器学习Web应用
机器人操作系统ROS原理及应用
牛杰 余正泓
￥11.03 起
机器学习Web应用
机器人综合设计与实践
樊泽明
￥29.50 起
机器学习Web应用
机器视觉与产品检测
宫海兰 著；王珺萩
￥23.08 起
机器学习Web应用
机器人是怎样工作的（图解版）
[日]濑户文美
￥22.49 起
机器学习Web应用
机器学习中的统计思维（Python实现）
董平
￥36.17 起
机器学习Web应用
机器人焊接、激光加工与喷涂工艺及设备(应用型本科规划教材)
荆学东 编著
￥22.31 起
您可能感兴趣 / 更多
机器学习Web应用
全球环境抵制运动(政治学名著译丛)
Andrew Rowell
￥25.00 起
机器学习Web应用
剑桥古代史.第十卷.奥古斯都帝国：公元前43年至公元69年（全二册）
AndrewLintoot 编；AlanK.Bowman；EdwardChamplin
￥208.95 起
机器学习Web应用
放大心灵：具身、行为与认知延展(心灵与认知文库·原典系列)
Andy Clark
￥35.00 起
机器学习Web应用
未曾抵达的彼岸(地平线系列)
Andrea Pitzer(安德里亚·匹策尔
￥20.00 起
机器学习Web应用
超声引导下区域疼痛阻滞图谱（第3版）
Andrew T. Gray 原著；崔立刚 李志强 主译
￥55.00 起
机器学习Web应用
偏微分方程：理论和应用（影印版）
András Vasy
￥81.00 起
机器学习Web应用
骨科、创伤与风湿性疾病手册（第2版）
Andrew D. Duckworth 著；史宝明 张喜财 译
￥15.00 起
机器学习Web应用
FPGA基础、高级功能与工业电子应用
And 著；[西]胡安·何塞·罗德里格斯·安蒂纳(Juan、Jose、Rodriguez、王志华 张春 殷明超 赵路通 译
￥35.00 起
机器学习Web应用
肥胖的多学科治疗策略——从诊断到治疗
Andrea,Lenzi,Silvia,Migliaccio,Lorenzo 著；袁振芳 译；陆迪菲；王雨
￥60.00 起
机器学习Web应用
歌德学院B2考试高分突破解析(新题型)
Andrea Frater；Nicole Sch.fer；Simone Weidinger
￥13.46 起
机器学习Web应用
CULT OF THE AMATEUR, THE(ISBN=9780385520812) 英文原版
Andrew Keen
￥25.00 起
机器学习Web应用
Germany 5e 德国（第5版）
Andrea Schulte-Peevers；Sarah Johnstone；Jeanne Oliver；Tom Parkinson；Nicola Williams
￥30.00 起
© 2002-2024 Kongfz.com 孔夫子旧书网 版权所有
关于孔网 联系我们 帮助中心 版权隐私 广告业务 工作机会 移动版 图书目录 图书标签 热搜书籍 作家大全