机器学习骇客秘笈PDF电子书下载

第一章 使用R语言 1

R语言与机器学习 2

下载与安装 4

整合开发环境与文字编辑器 8

R语言套件载入与安装 9

R语言基本介绍 12

R语言延伸阅读 27

第二章 资料探索 29

资料探索与资料验证 29

何谓资料？ 30

猜测资料栏位的型态 33

推断资料涵义 36

数值总结 36

平均数、中位数与众数 37

分位数 39

标准差与变异数 40

视觉化资料探索 43

视觉化呈现资料栏位关联性 60

第三章 文本分类：垃圾邮件判断 71

非此即彼：二分法 71

条件机率 75

尝试撰写贝氏垃圾邮件分类器 76

建立分类器并测试难判别正常邮件 83

测试各种邮件型态 86

改善结果 88

第四章 项目排序：优先收件匣 91

如何在未知顺序的情况下进行排序？ 91

以优先性对电子邮件进行排序 92

电子邮件优先性 93

撰写优先收件匣 96

撷取邮件属性的指令 97

设计权重计算策略以进行排序 104

以信件群组活跃度定义权重 110

训练并测试邮件排序演算法 114

第五章 回归分析：预测网页浏览人次 125

回归分析简介 125

模型根据 125

以虚变数进行回归 129

浅谈线性回归 131

预测网页流量 139

定义相关性 150

第六章 正则化：文本回归 153

栏位之间的非线性关联性 153

多项式回归简介 156

过度拟合的避免方法 163

以正则化避免过度拟合 168

文本回归 173

逻辑回归前来解救 176

第七章 最佳化：破解密码 181

最佳化导论 181

山脊型回归（Ridge Regression） 188

将破解密码视为最佳化问题 192

第八章 PCA：建立股价指数 203

非监督式学习 203

第九章 MDS：视觉化呈现美国参议员相似度 213

根据相似度进行分群（Clustering ） 213

距离测度与MDS的简介 214

美国参议员如何分群？ 219

分析参议员唱名表决资料（第101至111届国会） 221

第十章 kNN：推荐系统 231

最近相邻演算法（k-Nearest Neighbors Algorithm） 231

R套件安装资料 237

第十一章 分析社群关系图 243

社群网路分析 243

图式思考 246

骇入Twitter社群资料 247

使用Google SocialGraph API 250

Twitter网路图分析 255

区域社群结构 256

使用Gephi对Twitter网路图的分群结果绘图 260

建立「可能想关注的对象」推荐系统 268

第十二章 模型比较 275

SVM：支援向量机 275

演算法比较 285

参考文献 293

索引 295