机器学习Web应用PDF|Epub|txt|kindle电子书版本网盘下载

机器学习Web应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

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 model150

6.2.2 HTML网页背后的URL和view151

6.2.3 URL声明和view154

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 model165

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API182

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 Scraper190

8.3.3 Pipeline193

8.3.4 爬虫194

8.4 Django model196

8.5 整合Django和Scrapy197

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知HTML代码202

8.6 PageRank：Django view和算法实现206

8.7 管理后台和API210

8.8 小结212