第1章 数据挖掘简介及本书使用方法 1
欢迎来到21世纪 2
并不只是对象 5
TB级挖掘是现实不是科幻 7
本书体例 9
第2章 协同过滤——爱你所爱 14
如何寻找相似用户 15
曼哈顿距离 16
欧氏距离 16
N维下的思考 18
一般化 22
Python中数据表示方法及代码 24
计算曼哈顿距离的代码 25
用户的评级差异 28
皮尔逊相关系数 30
在继续之前稍微休息一下 35
最后一个公式——余弦相似度 36
相似度的选择 40
一些怪异的事情 43
k近邻 44
Python的一个推荐类 47
一个新数据集 54
第3章 协同过滤——隐式评级及基于物品的过滤 56
隐式评级 57
调整后的余弦相似度 67
Slope One算法 76
Slope One算法的粗略描述图 77
基于Python的实现 83
加权Slope One：推荐模块 88
MovieLens数据集 90
第4章 内容过滤及分类——基于物品属性的过滤 93
一个简单的例子 98
用Python实现 101
给出推荐的原因 102
一个取值范围的问题 104
归一化 105
改进的标准分数 109
归一化vs.不归一化 111
回到Pandora 112
体育项目的识别 119
Python编程 123
就是它了 133
汽车MPG数据 135
杂谈 137
第5章 分类的进一步探讨——算法评估及kNN 139
训练集和测试集 140
10折交叉验证的例子 142
混淆矩阵 146
一个编程的例子 148
Kappa统计量 154
近邻算法的改进 159
一个新数据集及挑战 163
更多数据、更好的算法以及一辆破公共汽车 168
第6章 概率及朴素贝叶斯——朴素贝叶斯 170
微软购物车 174
贝叶斯定理 177
为什么需要贝叶斯定理 185
i100i500 188
用Python编程实现 191
共和党vs.民主党 197
数字 205
Python实现 214
这种做法会比近邻算法好吗 221
第7章 朴素贝叶斯及文本——非结构化文本分类 226
一个文本正负倾向性的自动判定系统 228
训练阶段 232
第8章 聚类——群组发现 256
k-means聚类 281
SSE或散度 289
小结 303
安然公司 305